На пути к персонализированной кардиологии: перспективы прецизионной оценки сердечно-сосудистых рисков и предиктивно-прогностической диагностики

Закрыть метаданные

Рекомендуем статьи по данной теме:

Точность приложения на основе искусственного интеллекта при выявлении хронических заболеваний вен классов C1 и C2. Флебология. 2024;(2):132-138

Влияние технологий искусственного интеллекта на длительность проведения двойного чтения маммографических исследований. Профилактическая медицина. 2024;(5):32-37

Электроэнцефалография: особенности получаемых данных и их применимость в психиатрии. Журнал неврологии и психиатрии им. С.С. Корсакова. 2024;(5):31-39

Система CAD EYE для детекции и дифференцировки новообразований толстой кишки в режиме реального времени. Доказательная гастроэнтерология. 2024;(2):50-54

Прогнозирование риска снижения овариального резерва после хирургического лечения пациенток с глубоким инфильтративным эндометриозом с использованием искусственного интеллекта. Российский вестник акушера-гинеколога. 2024;(3):92-102

Искусственный интеллект в дерматологии: возможности и перспективы. Клиническая дерматология и венерология. 2024;(3):246-252

Применение методов искусственного интеллекта при глаукоме. Часть 1. Нейросети и глубокое обучение в скрининге и диагностике глаукомы. Вестник офтальмологии. 2024;(3):82-87

Автономный искусственный интеллект для сортировки результатов профилактических лучевых исследований. Профилактическая медицина. 2024;(7):23-29

Диагностика доброкачественных новообразований гортани с применением нейросети. Вестник оториноларингологии. 2024;(3):24-28

Сердечно-сосудистые заболевания (ССЗ) входят в шестерку заболеваний «цивилизации» во всем мире. В связи с этим оценка индивидуального сердечно-сосудистого риска имеет решающее значение для своевременной профилактики и эффективного персонализированного ведения пациентов до манифестации заболевания. Для достижения этой цели в прошлом было разработано множество показателей риска, однако общая точность этих методов часто остается недостаточной, поскольку не учитывает индивидуальный ландшафт генома, комбинаторные индикаторы каждого пациента и лиц из группы риска, а также геномные, фенотипические и экспосомальные факторы. В данном обзоре будут рассмотрены современные методы оценки сердечно-сосудистого риска еще до проявления первых клинических симптомов с применением технологического инструментария персонализированной и превентивной медицины, а также перспективные пути фармакотерапии будущего.

Ключевые слова:

персонализированная и превентивная медицина

персонализированная кардиология

омикс-технологии

искусственный интеллект

машинное обучение

биомаркеры

сердечно-сосудистый риск

Авторы:

Сучков С.В.

Университет мировой политики и права;
ФГБОУ ВО «Российский университет медицины» Минздрава России;
New York Academy of Sciences

ORCID: 0000-0002-2475-4398

Чарчян Э.Р.

ФГБНУ «Российский научный центр хирургии им. акад. Б.В. Петровского»

SPIN РИНЦ: 4641-0523
Scopus AuthorID: 14044681400
ORCID: 0000-0002-0488-2560

Полякова В.Н.

Университет мировой политики и права

ORCID: 0009-0002-6826-2675

Земсков В.М.

ФГБУ «Национальный медицинский исследовательский центр хирургии им. А.В. Вишневского» Минздрава России;
Российская академия естественных наук (РАЕН)

ORCID: 0000-0002-8867-5349

Белов Ю.В.

ФГБНУ «Российский научный центр хирургии им. акад. Б.В. Петровского» РАН;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский университет)

SPIN РИНЦ: 2740-1439
Scopus AuthorID: 7101862336
ResearcherID: 7101862336
ORCID: 0000-0002-9280-8845

Дата поступления:

01.02.2024

Дата принятия в печать:

17.03.2024

Список литературы:

Leopold, JA.; Loscalzo, J. Emerging Role of Precision Medicine in Cardiovascular Disease. Circ. Res. 2018;122:1302-1315. https://doi.org/10.1161/circresaha.117.310782
Antman, EM.; Loscalzo, J. Precision Medicine in Cardiology. Nat. Rev. Cardiol. 2016;13:591-602. https://doi.org/10.1038/nrcardio.2016.101
Currie G, Delles C. Precision Medicine and Personalized Medicine in Cardiovascular Disease. Adv. Exp. Med. Biol. 2018;1065:589-605. https://doi.org/10.1007/978-3-319-77932-4_36
Sohag MMH, Raqib SM, Akhmad SA. OMICS approaches in cardiovascular diseases: a mini review. Genomics Inform. 2021;19(2):e13. https://doi.org/10.5808/gi.21002
Magni P. The sex-associated burden of atherosclerotic cardiovascular diseases: an update on prevention strategies. Mech. Ageing Dev. 2023; https://doi.org/10.1016/j.mad.2023.111805
Xia Y, et al. DNA methylation signatures of incident coronary heart disease: findings from epigenome-wide association studies. Clin. Epigenetics. 2021;13:1-16 https://doi.org/10.1186/s13148-021-01175-6
Valdes-Marquez E, et al. Proteomic profiling identifies novel independent relationships between inflammatory proteins and myocardial infarction. Eur. J. Prev. Cardiol. 2023;30:583-591. https://doi.org/10.1093/eurjpc/zwad020
Li Q, et al. Single-cell RNA sequencing in atherosclerosis: mechanism and precision medicine. Front. Pharmacol. 2022;13977490. https://doi.org/10.3389/fphar.2022.977490
Zhou Y, et al. LncRNA landscape of coronary atherosclerosis reveals differentially expressed LncRNAs in proliferation and migration of coronary artery smooth muscle cells. Front. Cell Dev. Biol. 2021;9656636. https://doi.org/10.3389/fcell.2021.656636
Li H, Zhu H. and Ge J. Long noncoding RNA: recent updates in atherosclerosis. Int. J. Biol. Sci. 2016;12:898-910. https://doi.org/10.7150/ijbs.14430
Sánchez-Cabo F, et al. Subclinical atherosclerosis and accelerated epigenetic age mediated by inflammation: a multi-omics study. Eur. Heart J. 2023;44:2698-2709. https://doi.org/10.1093/eurheartj/ehad361
Joshi A, et al. Systems biology in cardiovascular disease: a multiomics approach. Nat. Rev. Cardiol. 2021;18:313-330. https://doi.org/10.1038/s41569-020-00477-1
Holmes MV, et al. Lipids, lipoproteins, and metabolites and risk of myocardial infarction and stroke. J. Am. Coll. Cardiol. 2018;71:620-632. https://doi.org/10.1016/j.jacc.2017.12.006
Liu L, Liu Y, Liu C, et al. Analysis of gene expression profile identifies potential biomarkers for atherosclerosis. Mol. Med. Rep. 2016;14:3052-3058, https://doi.org/10.3892/mmr.2016.5650
Nurmohamed NS, et al. Proteomics and lipidomics in atherosclerotic cardiovascular disease risk prediction. Eur. Heart J. 2023;44:1594-1607. https://doi.org/10.1093/eurheartj/ehad161
Benincasa G, et al. Bioinformatic platforms for clinical stratification of natural history of atherosclerotic cardiovascular diseases. Eur. Heart J. Cardiovasc. Pharmacother. 2023; (Published online August 10,2023.). https://doi.org/10.1093/ehjcvp/pvad059
Shrivastava, A.; Marzolla, V.; Weidmann, H.; Caprio, M.; Tregouet, D.-A.; Zeller, T.; Karakas, M. Design and Rationale of the ERA-CVD Consortium PREMED-CAD—Precision Medicine in Coronary Artery Disease. Biomolecules. 2020;10:125. https://doi.org/10.3390/biom10010125
Crea F, Vergallo R. Plaque Erosion: Towards Precision Medicine in Acute Coronary Syndromes. Int. J. Cardiol. 2019;288:22-24. https://doi.org/10.1016/j.ijcard.2019.04.058
Драпкина О.М., Лимонова А.С., Гарбузова Е.В. и соавт. Персонализированная профилактика: возможности и ограничения оценки полигенного риска. Российский журнал персонализированной медицины. 2023;3(5):14-21. https://doi.org/10.18705/2782-3806-2023-3-5-14-21
Медведева Е.А., Суркова Е.А., Лимарева Л.В. и соавт. Молекулярные биомаркеры в диагностике, стратификации риска и прогнозировании хронической сердечной недостаточности. Российский кардиологический журнал. 2016;8 (136):86-91. https://doi.org/10.15829/1560-4071-2016-8-86-91.
Шляхто Е.В., Конради А.О. Персонализированная медицина. История, современное состояние проблемы и перспективы внедрения. Российский журнал персонализированной медицины. 2021;1(1):6-20.
Akhoon N. Precision medicine: a new paradigm in therapeutics. International Journal of Preventive Medicine. 2021;12. https://doi.org/10.4103/ijpvm.IJPVM_375_19
Babu M, Snyder M. Multi-Omics Profiling for Health. Mol Cell Proteomics. 2023;22(6):100561. https://doi.org/10.1016/j.mcpro.2023.100561
Chen IY, Wu JC. Cardiovascular molecular imaging: focus on clinical translation. Circulation. 2011;123(4):425-443. https://doi.org/10.1161/circulationaha.109.916338
Curley D, Lavin Plaza B, Shah AM, Botnar RM. Molecular imaging of cardiac remodelling after myocardial infarction. Basic Res Cardiol. 2018;113(2):10. https://doi.org/10.1007/s00395-018-0668-z
Farouc A. Jaffer, Peter Libby and Ralph Weissleder. Molecular Imaging of Cardiovascular Disease. Circulation. 2007;116:1052-1061. https://doi.org/10.1161/CIRCULATIONAHA.106.647164
Varasteh Z, Weber WA, Rischpler C. Nuclear Molecular Imaging of Cardiac Remodeling after Myocardial Infarction. Pharmaceuticals. 2022;15:183. https://doi.org/10.3390/ph15020183
Wollenweber T, Bengel FM. Cardiac Molecular Imaging. Seminars in Nuclear Medicine. 2014;44 (5):386-397. https://doi.org/10.1053/j.semnuclmed.2014.05.002
Ylä-Herttuala E, Saraste A, Knuuti J, et al. Molecular Imaging to Monitor Left Ventricular Remodeling in Heart Failure. Curr Cardiovasc Imaging Rep. 2019;12:11. https://doi.org/10.1007/s12410-019-9487-3
Leon-Mimila P, Wang J and Huertas-Vazquez A Relevance of Multi-Omics Studies in Cardiovascular Diseases. Front. Cardiovasc. Med. 2019;6:91. https://doi.org/10.3389/fcvm.2019.00091
Doran S, Arif M, Lam S, Bayraktar A, Turkez H, Uhlen M, Boren J, Mardinoglu A. Multi-omics approaches for revealing the complexity of cardiovascular disease. Brief Bioinform. 2021;22(5). https://doi.org/10.1093/bib/bbab061
Sohag MMH, Raqib SM, Akhmad SA. OMICS approaches in cardiovascular diseases: a mini review. Genomics Inform. 2021;19(2):e13. https://doi.org/10.5808/gi.21002
Yayun Gu, Yan Zhou, Sihan Ju et al. Multi-omics profiling visualizes dynamics of cardiac development and functions. Cell Reports. 2022;41(13). https://doi.org/10.1016/j.celrep.2022.111891
Zhu K, Liu D, Lai H, Li J, Wang C. Developing miRNA therapeutics for cardiac repair in ischemic heart disease. J Thorac Dis. 2016;8(9). https://doi.org/10.21037/jtd.2016.08.93
Григорьев Е.В., Понасенко А.В., Цепокина А.В., Ивкин А.А., Корнелюк Р.А. Уровень экспрессии микроРНК у кардиохирургических пациентов зависит от наличия полиорганной недостаточности в послеоперационном периоде. Альманах клинической медицины. 2022;50 (4):217-225. https://doi.org/10.18786/2072-0505-2022-50-036
Serban C. Stoica, Dan M. Dorobantu, Antonella Vardeu, Gianni D. Angelini, Massimo Caputo, Costanza Emanueli. MicroRNAs as potential biomarkers in congenital heart surgery. The Journal of Thoracic and Cardiovascular Surgery. 2020;159 (4):1532-1540.e7. https://doi.org/10.1016/j.jtcvs.2019.03.062
Zhou SS, Jin JP, Wang JQ, et al. miRNAS in cardiovascular diseases: potential biomarkers, therapeutic targets and challenges. Acta Pharmacol Sin. 2018;39:1073-1084. https://doi.org/10.1038/aps.2018.30
Vavassori C, Cipriani E, Colombo G. Circulating MicroRNAs as Novel Biomarkers in Risk Assessment and Prognosis of Coronary Artery Disease. European Cardiology Review. 2022;17:e06. https://doi.org/10.15420/ecr.2021.47
Thum T, Galuppo P, Wolf C, et al. MicroRNAs in the Human Heart A Clue to Fetal Gene Reprogramming in Heart Failure. Circulation. 2007;116:258-267. https://doi.org/10.1161/CIRCULATIONAHA.107.687947
Sopic M, Vilne B, Gerdts E, et al. Multiomics tools for improved atherosclerotic cardiovascular disease management. Trends in Molecular Medicine. 2023;29 (12):983-995. https://doi.org/10.1016/j.molmed.2023.09.004
Usova EI, Alieva AS, Yakovlev AN, Alieva MS, Prokhorikhin AA, Konradi AO, Shlyakhto EV, Magni P, Catapano AL, Baragetti A. Integrative Analysis of Multi-Omics and Genetic Approaches-A New Level in Atherosclerotic Cardiovascular Risk Prediction. Biomolecules. 2021;11(11):1597. https://doi.org/10.3390/biom11111597
Rui-Sheng Wang, Bradley A. Maron and Joseph Loscalzo. Multiomics Network Medicine Approaches to Precision Medicine and Therapeutics in Cardiovascular Diseases. Arteriosclerosis. Thrombosis, and Vascular Biology. 2023;43:493-503. https://doi.org/10.1161/atvbaha.122.318731
Dufour CR, Xia H, B’chir W, et al. Integrated multi-omics analysis of adverse cardiac remodeling and metabolic inflexibility upon ErbB2 and ERRα deficiency. Commun Biol. 2022;5:955. https://doi.org/10.1038/s42003-022-03942-4
Usman A. Tahir and Robert E. Gerszten. Omics and Cardiometabolic Disease Risk Prediction. Annual Review of Medicine. 2020;71:163-175. https://doi.org/10.1146/annurev-med-042418-010924
Mox Ingbo, Zhang Yonghong. Identification of risk factors for cardiovascular diseases based on multi-omics studies. Chinese journal of disease control & prevention. 2018;22(9):873-879.
Ferrannini E, Manca ML, Ferrannini G, et al. Differential Proteomics of Cardiovascular Risk and Coronary Artery Disease in Humans. Frontiers in Cardiovasc. Med. 2022;8:1-11. https://doi.org/10.3389/fcvm.2021.790289
Nurmohamed NS, Belo Pereira JP, Hoogeveen RM et al. Targeted proteomics improves cardiovascular risk prediction in secondary prevention. Eur Heart J. 2022;43(16):1569-1577. https://doi.org/10.1093/eurheartj/ehac055
Nurmohamed NS, Pereira J, et al. Targeted proteomics improves cardiovascular risk prediction in secondary prevention. European Heart Journal. 2022;43 (16):1569-1577. https://doi.org/10.1093/eurheartj/ehac055
Helgason H et al. Evaluation of large-scale proteomics for prediction of cardiovascular events. JAMA. 2023;330:725.
Nataliea A, Wolfgangc K. Is proteomics of value in cardiovascular risk assessment?. Current Opinion in Lipidology. 2019;30(6):452-461. https://doi.org/10.1001/jama.2023.13258
Vivancoa F, López-Bescósb L, Tuñónc J, Egidod J. Proteomics and Cardiovascular Disease. 2003;56(3):289-302.
Corlin L, Liu C, Lin H, et al. Proteomic Signatures of Lifestyle Risk Factors for Cardiovascular Disease: A Cross‐Sectional Analysis of the Plasma Proteome in the Framingham Heart Study. Journal of the American Heart Association. 2021;10:e018020. https://doi.org/10.1161/circ.139.suppl_1.001
Pedrotty DM, Morley MP, Cappola TP. Transcriptomic biomarkers of cardiovascular disease. Prog Cardiovasc Dis. 2012;55(1):64-69 https://doi.org/10.1016/j.pcad.2012.06.003
Miranda AM.A, Janbandhu V, Maatz H, et al. Single-cell transcriptomics for the assessment of cardiac disease. Nat Rev Cardiol. 2023;20:289-308. https://doi.org/10.1038/s41569-022-00805-7
Arderiu G, Lambert C, Ballesta C, Moscatiello F, Vilahur G, Badimon L. Cardiovascular Risk Factors and Differential Transcriptomic Profile of the Subcutaneous and Visceral Adipose Tissue and Their Resident Stem Cells. Cells. 2020;9(10):2235. https://doi.org/10.3390/cells9102235
Robinson EL, Baker AH, Brittan M, et al. Dissecting the transcriptome in cardiovascular disease. Cardiovascular Research. 2022;118 (4):1004-1019. https://doi.org/10.1093/cvr/cvab117
Songjie Han, Qianqian Xu, Yawen Du, Chuwei Tang, Herong Cui, Xiaofeng Xia, Rui Zheng, Yang Sun, Hongcai Shang. Single-cell spatial transcriptomics in cardiovascular development, disease, and medicine. Genes & Diseases. 2023;101163. https://doi.org/10.1016/j.gendis.2023.101163
Shi GP, Sukhova GK, Grubb A, Ducharme A, Rhode LH, Lee RT, Ridker PM, Libby P, Chapman HA. Cystatin C deficiency in human atherosclerosis and aortic aneurysms. J Clin Invest. 1999;104(9):1191-1197. https://doi.org/10.1172/JCI7709
Anders Wanhainen, Kevin Mani and Jonathan Golledge. Surrogate Markers of Abdominal Aortic Aneurysm Progression. Arteriosclerosis, Thrombosis, and Vascular Biology. 2016;36:236-244. https://doi.org/10.1161/atvbaha.115.306538
Pramana KA.AP, Pintaningrum Y, Rahmat, B. The effects of statin therapy on aneurysm size, growth rate, and matrix metalloproteinases-9 levels in patients with aortic aneurysm: a systematic review and meta-analysis. Egypt Heart J. 2023;75:88. https://doi.org/10.1186/s43044-023-00407-9
Hong Lu and Masanori Aikawa. Many Faces of Matrix Metalloproteinases in Aortic Aneurysms. Arteriosclerosis, Thrombosis, and Vascular Biology. 2015;35:752-754. https://doi.org/10.1161/atvbaha.115.305401
Scott A. LeMaire, Xinwen Wang, Jonathan A. Wilks et al. Matrix metalloproteinases in ascending aortic aneurysms: Bicuspid versus trileaflet aortic valves. Journal of Surgical Research. 2005;123 (1):40-48. https://doi.org/10.1016/j.jss.2004.06.007
Li T, Jiang B, Li X, et al. Serum matrix metalloproteinase-9 is a valuable biomarker for identification of abdominal and thoracic aortic aneurysm: a case-control study. BMC Cardiovasc Disord. 2018;18:202. https://doi.org/10.1186/s12872-018-0931-0
Keeling WB, Armstrong PA, Stone PA, Bandyk DF, Shames ML. An Overview of Matrix Metalloproteinases in the Pathogenesis and Treatment of Abdominal Aortic Aneurysms. Vascular and Endovascular Surgery. 2005;39(6):457-464. https://doi.org/10.1177/153857440503900601
G. Matthew Longo, Wanfen Xiong, Timothy C. Greiner, Yong Zhao, Nicola Fiotti, and B. Timothy Baxter. Matrix metalloproteinases 2 and 9 work in concert to produce aortic aneurysms. J Clin Invest. 2002;110(5):625-632. https://doi.org/10.1172/JCI15334
Corey S. Moran, Moira McCann, Mirko Karan, Paul Norman, Natkunam Ketheesan and Jonathan Golledge. Association of Osteoprotegerin With Human Abdominal Aortic Aneurysm Progression. Circulation. 2005;111:3119-3125. https://doi.org/10.1161/circulationaha.104.464727
Migacz M, Janoska-Gawrońska A, Holecki M, Chudek J. The role of osteoprotegerin in the development, progression and management of abdominal aortic aneurysms. Open Med (Wars). 2020;15(1):457-446. https://doi.org/10.1515/med-2020-0046
Koole D, Hurks R, Schoneveld A, et al. Osteoprotegerin Is Associated With Aneurysm Diameter and Proteolysis in Abdominal Aortic Aneurysm Disease. Arteriosclerosis, Thrombosis, and Vascular Biology. 2012;32:1497-1504. https://doi.org/10.1161/atvbaha.111.243592
Moran CS, McCann M, Karan M, Norman P, Ketheesan N, Golledge J. Association of osteoprotegerin with human abdominal aortic aneurysm progression. Circulation. 2005;111(23):3119-3125. https://doi.org/10.1161/CIRCULATIONAHA.104.464727
Lu J, Li P, Ma K, et al. OPG/TRAIL ratio as a predictive biomarker of mortality in patients with type A acute aortic dissection. Nat Commun. 2021;12:3401. https://doi.org/10.1038/s41467-021-23787-5
Vladislav Treska, Ondrej Topolcan, Jindra Vrzalova, Jiri Molacek, Karel Houdek. Osteoprotegerin Serum Levels in Abdominal Aortic Aneurysm. J Vascular Surgery. 2011;53 (2):554.
Filis K, Martinakis V, Galyfos G, et al. Osteopontin and Osteoprotegerin as Potential Biomarkers in Abdominal Aortic Aneurysm before and after Treatment. International Scholarly Research Notices. 2014;461239. https://doi.org/10.1016/j.jvs.2010.11.071
Kadoglou N, Papadakis I, Moulakakis K, et al. Arterial stiffness and novel biomarkers in patients with abdominal aortic aneurysms. Regulatory Peptides. 2012;179 (1-3):50-54. https://doi.org/10.1016/j.regpep.2012.08.014
Stepien KL, Bajdak-Rusinek K, Fus-Kujawa A, et al. Role of Extracellular Matrix and Inflammation in Abdominal Aortic Aneurysm. Int. J. Mol. Sci. 2022;23:11078. https://doi.org/10.3390/ijms231911078

Закрыть метаданные