Da cinque a venti proteine nel sangue, e il rischio di 218 malattie

Se si potessero misurare migliaia di proteine in un solo prelievo di sangue, questo direbbe, meglio delle domande e degli esami soliti di un medico, chi ha probabilità di sviluppare una certa malattia nei prossimi dieci anni? E per quali malattie? I ricercatori hanno posto questa domanda per 218 malattie insieme, comuni e rare, e hanno preteso un confronto equo: contro quello che un medico di famiglia già sa (età, sesso, peso, fumo, storia familiare) e contro 37 esami del sangue ordinari.

La UK Biobank è un gruppo di circa mezzo milione di adulti britannici, di età fra 40 e 69 anni all'ingresso, seguiti attraverso le loro cartelle sanitarie. In un sottoinsieme di 41.931 di loro erano state misurate circa 3.000 proteine in un prelievo fatto all'ingresso, in un progetto finanziato da un consorzio di aziende farmaceutiche. I ricercatori hanno costruito, per ciascuna di 218 malattie, un modello che usa una manciata di proteine (fra 5 e 20, scelte automaticamente) in aggiunta alle informazioni cliniche di base, e hanno misurato quanto bene ordina le persone secondo la probabilità di una diagnosi entro dieci anni. Il metro è il C-index: 0,5 vuol dire tirare a indovinare, 1 ordinamento perfetto. Ogni modello è stato addestrato su una parte dei dati e provato su una parte tenuta da parte. Per sei malattie i modelli sono stati poi provati su una coorte britannica diversa, EPIC-Norfolk.

Le informazioni cliniche di base da sole davano un C-index mediano di 0,64 fra le malattie. Aggiungere da 5 a 20 proteine ha migliorato l'ordinamento per 67 delle 218 malattie, di 0,07 punti in mediana (da 0,02 a 0,31 secondo la malattia). I guadagni maggiori sono stati per le malattie del sangue e del sistema immunitario, come il mieloma multiplo (+0,25) e la celiachia (+0,31), e per la malattia del motoneurone, la fibrosi polmonare e la cardiomiopatia dilatativa. Per 52 di quelle 67 malattie i modelli proteici hanno battuto anche i modelli con 37 esami del sangue standard. Per la maggior parte delle 67 bastavano da cinque a dieci proteine: aggiungerne altre non aiutava. I punteggi di rischio genetico, per confronto, hanno migliorato la previsione per sole sette malattie e molto meno. Nella seconda coorte il miglioramento è stato confermato per cinque delle sei malattie provate. L'osservazione è il guadagno di ordinamento; l'interpretazione che gli autori propongono è che piccoli pannelli di proteine possano diventare esami accessibili per malattie selezionate, e che le proteine specifiche di una malattia ne indichino la biologia.

La dimensione del guadagno è facile da esagerare. Un miglioramento mediano di 0,07 sul C-index vuol dire che il modello ordina le persone un po' meglio; non vuol dire che ne preveda il destino. Per 151 delle 218 malattie non c'è stato alcun guadagno significativo, e gli autori dicono che il miglioramento è stato in genere maggiore per le malattie più rare, che hanno una biologia più netta, che per quelle comuni e complesse come lo scompenso cardiaco o il diabete tipo 2. Lo studio non riporta cifre sulla calibrazione (se un rischio previsto del 10% vuol dire che davvero 10 persone su 100 si sono ammalate), e nessun tentativo di mostrare che agire su queste previsioni aiuti qualcuno.

Per la prevenzione, il valore dello studio sta nello scegliere dove guardare. Sapere che poche proteine predicono il mieloma multiplo o la celiachia con anni di anticipo suggerisce dove una diagnosi più precoce potrebbe essere possibile; se trovare prima quelle persone cambi il loro esito è una domanda separata, che ha bisogno di trial propri. Per le malattie in cui la prevenzione con lo stile di vita è dimostrata, come il diabete tipo 2, questo studio non mostra che una firma proteica aiuterebbe a scegliere chi trattare.

Il rapporto con il Gemello Digitale: non come dato che il Gemello legge oggi (queste proteine richiedono una piattaforma di laboratorio da ricerca), ma come mappa. Dice quali malattie un piccolo pannello di proteine potrebbe un giorno segnalare e quali no, e fissa l'asticella che ogni segnale nuovo deve superare: meglio di quello che un medico già sa, e meglio degli esami del sangue ordinari. Se pannelli così diventassero esami clinici disponibili, i loro risultati sarebbero una voce datata in più nella cartella di una persona. Lo studio ha misurato ogni persona una volta; non dice nulla sul seguire le proteine nel tempo.

Non fornisce un esame: i pannelli di proteine esistono come modelli di ricerca, non come saggi che una clinica possa prescrivere, e gli stessi autori elencano come primo limite la necessità di validazione in studi esterni, in popolazioni etnicamente diverse e in gruppi con rischio di partenza diverso; i partecipanti della UK Biobank sono più sani della popolazione generale. La replicazione esterna ha coperto sei malattie, non 218. L'orizzonte di dieci anni è quello del modello, non una prova che le proteine cambino dieci anni prima della malattia. Niente di tutto questo si applica a una persona che legge i propri esami del sangue. Diversi autori sono dipendenti di un'azienda farmaceutica che ha cofinanziato le misure proteomiche; è dichiarato nell'articolo e conta per come si leggono i risultati.

Coorte prospettica (UK Biobank Pharma Proteomics Project, sottoinsieme casuale) con derivazione di modelli predittivi sparsi per l'incidenza a 10 anni di 218 malattie; validazione interna su set di test tenuto da parte; validazione esterna in EPIC-Norfolk per sei malattie.

41.931 partecipanti (sottoinsieme casuale dello UKB-PPP; la UK Biobank ha reclutato adulti di 40–69 anni nel 2006–2010); 218 malattie con > 80 casi incidenti in 10 anni (81–6.038 casi); 193 malattie nel sottoinsieme casuale, 25 aggiungendo i casi scelti dal consorzio. EPIC-Norfolk: coorte di 25.639 persone del Norfolk, Inghilterra; n = 295–1.116 e 5–236 casi incidenti per malattia provata.

Plasma EDTA al basale (non a digiuno); Olink Explore 1536 + Expansion (2.923 proteine, 2.941 saggi, espressione proteica normalizzata). Comparatore clinico: età, sesso, BMI, etnia autoriferita, fumo, alcol, storia familiare (15 malattie); secondo comparatore con 37 esami clinici del sangue. Selezione delle variabili con LASSO su 200 sottocampioni; modelli di Cox regolarizzati con validazione incrociata a 5 pieghe; prestazione sul set di test tenuto da parte con 1.000 ricampionamenti bootstrap (C-index, delta C-index con IC 95%, rapporti di verosimiglianza, tasso di rilevamento al 10% di falsi positivi). Punteggi poligenici confrontati dove disponibili.

Modelli clinici: C-index mediano 0,64 (IQR 0,58–0,72). I modelli proteici sparsi (5–20 proteine) migliorano i modelli clinici per 67 malattie (delta C-index mediano 0,07, intervallo 0,02–0,31), per esempio mieloma multiplo 0,25 (IC 95% 0,20–0,29), linfoma non-Hodgkin 0,21 (0,14–0,28), celiachia 0,31 (0,21–0,38), cardiomiopatia dilatativa 0,17 (0,10–0,22), fibrosi polmonare 0,09 (0,03–0,14), malattia del motoneurone 0,11 (0,04–0,16). I modelli con esami clinici migliorano i modelli clinici per sole 28 malattie (delta mediano 0,08); i modelli proteici li superano per 52 delle 67. Saturazione a 5–10 proteine per il 64% delle malattie migliorate; guadagno medio del 5,4% di C-index delle firme sparse rispetto alla singola proteina migliore. Punteggi poligenici: miglioramento significativo per sole 7 malattie (delta mediano 0,03 contro 0,08 delle proteine). Validazione esterna (EPIC-Norfolk, 6 malattie): C-index correlati r = 0,81, miglioramenti r = 0,97; miglioramento replicato per 5 su 6 (BPCO solo a 20 anni). Calibrazione non riportata nelle sezioni lette. Risultato negativo implicito: nessun guadagno proteico significativo per 151 malattie su 218.

PROBAST (preliminare, sul testo integrale): partecipanti basso-moderato (effetto del partecipante sano riconosciuto); predittori basso (piattaforma standardizzata, misurati prima dell'esito); esito basso-moderato (definizioni da cartelle elettroniche, primi 6 mesi esclusi); analisi basso (eventi adeguati per malattia per soglia di disegno, selezione penalizzata, set di test tenuto da parte, bootstrap; calibrazione non riportata). Generalizzabilità: ascendenza prevalentemente europea; validazione esterna limitata a sei malattie in un'altra coorte britannica. Rendicontazione: metodi dettagliati; aderenza a TRIPOD non valutata qui. Conflitti di interesse: diversi autori dipendenti di GSK, che ha cofinanziato le misure proteomiche (affiliazioni nel record PubMed).

Potenziale, non dimostrata: sono riportate metriche di screening (tasso di rilevamento a falsi positivi fissi), ma nessuna analisi della curva decisionale, nessuno studio di impatto e nessun saggio clinico. Gli autori inquadrano il risultato come base per pannelli sparsi accessibili per malattie selezionate, da validare.

B — guida a quali malattie e quali proteine; integrabile solo dopo validazione per l'uso specifico e con saggi mirati, non con l'intera piattaforma. Dati necessari: un pannello proteico mirato di laboratorio, più le variabili cliniche del comparatore.

Record PubMed e testo integrale dell'articolo pubblicato (PubMed Central), letto per intero il 5 novembre 2026. Tabelle supplementari (elenchi delle 67 e 52 malattie, componenti proteiche per malattia) non consultate.

Per molte malattie la diagnosi arriva in ritardo per la mancanza di biomarcatori oggettivi dell'esordio. Qui, in 41.931 persone dello United Kingdom Biobank Pharma Proteomics Project, abbiamo integrato le misure di ~3.000 proteine plasmatiche con le informazioni cliniche per derivare modelli predittivi sparsi dell'incidenza a 10 anni di 218 malattie comuni e rare (81–6.038 casi). Abbiamo poi confrontato i modelli sviluppati con dati proteomici con modelli sviluppati con le sole informazioni cliniche di base o con le informazioni cliniche combinate ai dati di 37 esami clinici. La prestazione predittiva di modelli sparsi con appena 5–20 proteine è risultata superiore a quella dei modelli basati sulle informazioni cliniche di base per 67 malattie patologicamente diverse (delta C-index mediano = 0,07; intervallo = 0,02–0,31). I modelli proteici sparsi hanno inoltre superato i modelli basati su informazioni di base più esami clinici per 52 malattie, fra cui mieloma multiplo, linfoma non-Hodgkin, malattia del motoneurone, fibrosi polmonare e cardiomiopatia dilatativa. Per il mieloma multiplo, il sequenziamento dell'RNA a singola cellula dal midollo osseo di pazienti di nuova diagnosi ha mostrato che quattro delle cinque proteine predittive sono espresse specificamente nelle plasmacellule, in accordo con il forte potere predittivo di queste proteine. La replicazione esterna dei modelli proteici sparsi nello studio EPIC-Norfolk ha mostrato buona generalizzabilità per la previsione delle sei malattie provate. Questi risultati mostrano che le firme proteiche plasmatiche sparse, che comprendono sia proteine specifiche di malattia sia predittori proteici condivisi fra più malattie, offrono una previsione clinicamente utile di malattie comuni e rare.