Quatro Biomarcadores Sanguíneos Detectam Sarcopenia com 91% de Precisão em Adultos Idosos

Sarcopenia — o declínio progressivo e relacionado à idade na massa muscular esquelética, força e desempenho físico — afeta 10–20% dos adultos acima de 60 anos e mais de 30% daqueles acima de 80 anos. Apesar de sua enorme carga clínica e econômica, não existem medicamentos aprovados para tratamento, e o diagnóstico atual depende de equipamentos especializados (exames DEXA), dinamometria de preensão e testes cronometrados de caminhada que são impraticáveis para triagem em larga escala. Biomarcadores plasmáticos existentes, como a razão creatinina/cistatina C, raramente superam 80% de sensibilidade ou especificidade, evidenciando a necessidade urgente de melhores ferramentas.

Este estudo recrutou participantes da coorte West China Health and Aging Trend (WCHAT), um estudo longitudinal de base comunitária iniciado em 2018. Dois grupos caso-controle pareados 1:1 por idade e sexo foram construídos: uma coorte de descoberta com 40 adultos sarcopênicos e 40 não sarcopênicos (mediana de idade ~72 anos, ~52,5% mulheres) e uma coorte de validação independente com 30 adultos sarcopênicos e 30 não sarcopênicos (mediana de idade ~71 anos, ~53,3% mulheres). A sarcopenia foi definida pelos critérios do Asian Working Group for Sarcopenia (AWGS) de 2019, exigindo baixo índice de massa muscular esquelética por impedância bioelétrica, baixa força de preensão e velocidade de marcha lenta. O plasma em jejum foi analisado por meio do Olink Explore 384 Inflammation Panel (tecnologia de ensaio de extensão por proximidade) e metabolômica não direcionada baseada em LC-MS.

A análise diferencial identificou 65 proteínas e 268 metabólitos significativamente diferentes entre os participantes sarcopênicos e não sarcopênicos. Um classificador Gaussian naïve Bayes treinado com as 7 proteínas principais alcançou AUC de 0,743 na descoberta e 0,698 na validação. Um modelo metabolômico com 7 metabólitos teve desempenho superior: AUC de 0,828 na descoberta e 0,751 na validação. Criticamente, quando ambas as plataformas foram integradas, o desempenho diagnóstico melhorou substancialmente. O Modelo Combinado 1 — utilizando as saídas probabilísticas completas dos modelos de 7 proteínas e 7 metabólitos — alcançou AUC de 0,951 na descoberta e 0,823 na validação, superando significativamente qualquer modelo de ômica única isolado (descoberta: ambos p < 0,001).

Para escalabilidade clínica, os pesquisadores também construíram o Modelo Combinado 2, utilizando apenas os dois principais biomarcadores de cada plataforma: as proteínas CCL13 (ligante 13 de quimiocina com motivo C-C, uma citocina inflamatória) e FGF2 (fator de crescimento de fibroblastos 2, associado à manutenção das fibras musculares), além dos metabólitos N-hexadecanoilpirrolidina e 1-(ciclo-hexilmetil)prolina. Este modelo de regressão logística com quatro biomarcadores alcançou AUC de 0,853 na coorte de descoberta e um notável AUC de 0,911 (IC 95%: 0,839–0,983) na coorte de validação, com sensibilidade de 86,7%, especificidade de 80,0%, precisão de 81,2% e F1-score de 0,839. Seu desempenho na validação foi estatisticamente equivalente ao Modelo Combinado 1, mais complexo com 14 biomarcadores (p = 0,124), tornando-o o candidato mais pragmático para tradução clínica.

Biologicamente, esses achados são coerentes com a fisiopatologia conhecida da sarcopenia. O CCL13 implica a inflamação crônica de baixo grau como um fator determinante do catabolismo muscular, enquanto o papel do FGF2 na ativação de células satélites e no reparo muscular está alinhado com a regeneração comprometida no músculo sarcopênico. Os dois metabólitos sugerem perturbações no metabolismo lipídico e no ciclo de aminoácidos. Os autores reconhecem que as coortes são relativamente pequenas e etnicamente homogêneas (Han chineses), e o desenho transversal impede inferência causal. A replicação externa em populações maiores e mais diversas, bem como a validação prospectiva, são necessárias antes da adoção clínica.