Cuatro Biomarcadores en Sangre Detectan la Sarcopenia con un 91% de Precisión en Adultos Mayores

La sarcopenia —el deterioro progresivo relacionado con la edad en masa muscular esquelética, fuerza y rendimiento físico— afecta al 10–20% de los adultos mayores de 60 años y a más del 30% de los mayores de 80. A pesar de su enorme carga clínica y económica, no existen tratamientos farmacológicos aprobados, y el diagnóstico actual depende de equipos especializados (escáneres DEXA), dinamometría de prensión y pruebas cronometradas de marcha que resultan poco prácticas para el cribado a gran escala. Los biomarcadores plasmáticos existentes, como la razón creatinina-cistatina C, raramente superan el 80% de sensibilidad o especificidad, lo que subraya la urgente necesidad de mejores herramientas.

Este estudio reclutó participantes de la cohorte West China Health and Aging Trend (WCHAT), un estudio longitudinal de base comunitaria iniciado en 2018. Se construyeron dos cohortes de casos y controles emparejadas 1:1 por edad y sexo: una cohorte de descubrimiento de 40 adultos sarcopénicos y 40 no sarcopénicos (mediana de edad ~72 años, ~52,5% mujeres) y una cohorte de validación independiente de 30 adultos sarcopénicos y 30 no sarcopénicos (mediana de edad ~71 años, ~53,3% mujeres). La sarcopenia se definió según los criterios del Asian Working Group for Sarcopenia (AWGS) de 2019, que requieren un índice de masa muscular esquelética bajo medido por impedancia bioeléctrica, fuerza de prensión reducida y velocidad de marcha lenta. El plasma en ayunas se analizó mediante el Olink Explore 384 Inflammation Panel (tecnología de ensayo de extensión por proximidad) y metabolómica no dirigida basada en LC-MS.

El análisis diferencial identificó 65 proteínas y 268 metabolitos significativamente distintos entre los participantes sarcopénicos y los no sarcopénicos. Un clasificador bayesiano ingenuo gaussiano entrenado con las 7 proteínas principales alcanzó un AUC de 0,743 en el descubrimiento y de 0,698 en la validación. Un modelo metabolómico basado en 7 metabolitos tuvo mejor desempeño: AUC de 0,828 en el descubrimiento y de 0,751 en la validación. De manera notable, al integrar ambas plataformas, el rendimiento diagnóstico mejoró sustancialmente. El Modelo Combinado 1 —que utiliza las salidas probabilísticas completas de los modelos de 7 proteínas y 7 metabolitos— alcanzó un AUC de 0,951 en el descubrimiento y de 0,823 en la validación, superando significativamente a cualquiera de los modelos de ómica individual (descubrimiento: ambos p < 0,001).

Para facilitar la escalabilidad clínica, los investigadores también construyeron el Modelo Combinado 2, empleando únicamente los dos biomarcadores principales de cada plataforma: las proteínas CCL13 (ligando 13 de quimiocina con motivo C-C, una citocina inflamatoria) y FGF2 (factor de crecimiento de fibroblastos 2, vinculado al mantenimiento de las fibras musculares), junto con los metabolitos N-hexadecanoilpirrolidina y 1-(ciclohexilmetil)prolina. Este modelo de regresión logística de cuatro biomarcadores alcanzó un AUC de 0,853 en la cohorte de descubrimiento y un notable AUC de 0,911 (IC del 95%: 0,839–0,983) en la cohorte de validación, con una sensibilidad del 86,7%, especificidad del 80,0%, precisión del 81,2% y puntuación F1 de 0,839. Su rendimiento en la validación fue estadísticamente equivalente al del Modelo Combinado 1, más complejo y con 14 biomarcadores (p = 0,124), lo que lo convierte en el candidato más pragmático para la traslación clínica.

Desde el punto de vista biológico, estos hallazgos son coherentes con la fisiopatología conocida de la sarcopenia. CCL13 implica a la inflamación crónica de bajo grado como impulsora del catabolismo muscular, mientras que el papel de FGF2 en la activación de células satélite y la reparación muscular se alinea con la regeneración deteriorada del músculo sarcopénico. Los dos metabolitos sugieren alteraciones en el metabolismo lipídico y el ciclo de aminoácidos. Los autores reconocen que las cohortes son relativamente pequeñas y étnicamente homogéneas (han chinos), y que el diseño transversal impide establecer inferencias causales. Se requiere replicación externa en poblaciones más grandes y diversas, así como validación prospectiva, antes de su adopción clínica.