Nuevas tendencias en biomarcadores de dislipidemia y evaluación de riesgo cardiovascular: avances y perspectivas
Resumen
Introducción: las enfermedades cardiovasculares (ecv) asociadas a dislipidemias representan la principal causa de morbimortalidad a nivel mundial. El diagnóstico tradicional, basado en el análisis de biomarcadores lipídicos (colesterol total, ldl-c, hdl-c y triglicéridos) presenta limitaciones para predecir el riesgo individual adecuadamente. Objetivo: analizar biomarcadores emergentes que permitan caracterizar el riesgo cardiovascular de forma más precisa, junto con herramientas de inteligencia artificial y aprendizaje automático (machine learning - ml). Metodología: se realizó una revisión bibliográfica en bases de datos como PubMed, SciELO, ScienceDirect y páginas web, con el fin de recopilar la mayor información posible sobre nuevos biomarcadores para valorar el riesgo cardiovascular. Resultados: se identificaron ocho biomarcadores que permiten determinar el riesgo de enfermedad ateroesclerótica: apolipoproteina B, apolipoproteina A-I, relación ApoB/ApoA-I, lipoproteína(a), colesterol no-hdl, partículas pequeñas y densas de ldl, microarns circulantes y variantes genéticas asociadas. Asimismo, la búsqueda permitió establecer beneficios y limitaciones del uso de tecnologías de automatización inteligente para el diagnóstico personalizado. Discusión: la aplicación de estos biomarcadores en la práctica clínica enfrenta limitaciones debido a la falta de estandarización, costos elevados y escasa validación. En conjunto, las plataformas inteligentes actúan como apoyo a las decisiones médicas, aunque enfrentan desafíos importantes. Aun así, su integración representa un avance para la medicina de precisión. Conclusiones: estos biomarcadores mejoran la predicción del riesgo, y su incorporación a la práctica sería beneficiosa siempre que se evalúe su relación costo/beneficio. Además, el uso de herramientas inteligentes optimiza el diagnóstico considerando el volumen de casos clínicos y la variabilidad individual de cada paciente.
Descargas
Referencias bibliográficas
Pahwa R, Jialal I. Ateroesclerosis. [Actualizado el 8 de agosto de 2023]. En: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; enero de 2025. Disponible en: https://www.ncbi.nlm.nih.gov/books/NBK507799/
Upadhyay RK. Emerging Risk Biomarkers in Cardiovascular Diseases and Disorders. J Lipids. 2015;2015:971453. Disponible en: https://doi.org/10.1155/2015/971453
Fundación del Corazón. Día Mundial del Corazón 2023 [Internet]. [citado 16 sep 2025]. Disponible en: https://fundaciondelcorazon.com/actualidad/dia-mundial-del-corazon/3954-dia-mundial-del-corazon-2023.html
Arredondo BA, De Quezada LF, Guerrero JG. Avances actuales en la reducción de los factores de riesgo cardiovasculares. Rev Méd Electrón. 2020;42(1). Disponible en: http://scielo.sld.cu/pdf/rme/v42n1/1684-1824-rme-42-01-1657.pdf
Ciumărnean L, Milaciu MV, Negrean V, Orășan OH, Vesa SC, Sălăgean O, et al. Cardiovascular Risk Factors and Physical Activity for the Prevention of Cardiovascular Diseases in the Elderly. Int J Environ Res Public Health. 2021;19(1):207. Disponible en: https://doi.org/10.3390/ijerph19010207
Kamstrup PR. Lipoprotein(a) and Cardiovascular Disease. Clin Chem. 2021;67(1):154-66. Disponible en: https://doi.org/10.1093/clinchem/hvaa247
Sandhu PK, Musaad SMA, Remaley AT, Buehler SS, Strider S, Derzon JH, Vesper HW, Ranne A, Shaw CS, Christenson RH. Lipoprotein biomarkers and risk of cardiovascular disease: a laboratory medicine best practices (LMBP) systematic review. J Appl Lab Med. 2016 Sep;1(2):214-29. Disponible en: https://doi.org/10.1373/jalm.2016.021006
Searles CD. MicroRNAs and Cardiovascular Disease Risk. Curr Cardiol Rep. 2024;26(2):51-60. Disponible en: https://doi.org/10.1007/s11886-023-02014-1
Feinberg MW, Moore KJ. MicroRNA Regulation of Atherosclerosis. Circ Res. 2016 Feb 19;118(4):703-20. Disponible en: https://doi.org/10.1161/CIRCRESAHA.115.306300
DeGroat W, Abdelhalim H, Patel K, Mendhe D, Zeeshan S, Ahmed Z. (2024). Discovering biomarkers associated and predicting cardiovascular disease with high accuracy using a novel nexus of machine learning techniques for precision medicine. Sci Rep. 2024;14(1):1. Disponible en: https://doi.org/10.1038/s41598-023-50600-8
Mostaza JM, Pintó X, Armario P, Masana L, Real JT, Valdivielso P, et al. Estándares SEA 2022 para el control global del riesgo cardiovascular. Clin Investig Arterioscler. 2022;34(1):1-29. ScienceDirect. Advances in cardiovascular disease prediction: Incorporating precision medicine. Disponible en: https://doi.org/10.1016/j.arteri.2021.11.003
Arnett DK, Blumenthal RS, Albert MA, Buroker AB, Goldberger ZD, Hahn EJ, et al. 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Circulation. 2019;140(11):e596-e646. Disponible en: https://doi.org/10.1161/CIR.0000000000000678
Lira MT. Estratificación de riesgo cardiovascular: conceptos, análisis crítico, desafíos e historia de su desarrollo en Chile. Rev Med Clin Condes. 2022;33(5):534-544. Disponible en: https://doi.org/10.1016/j.rmclc.2022.08.003
American Heart Association. Prevent Calculator [Internet]. 2026 [citado 15 mar 2026]. https://professional.heart.org/en/guidelines-and-statements/prevent-calculator
Malekmohammad K, Bezsonov EE, Rafieian-Kopaei M. Role of lipid accumulation and inflammation in atherosclerosis: focus on molecular and cellular mechanisms. Front Cardiovasc Med. 2021;8:707529. Disponible en: https://doi.org/10.3389/fcvm.2021.707529
Yu SS, Du JL. Current views on selenoprotein S in the pathophysiological processes of diabetes-induced atherosclerosis: potential therapeutics and underlying biomarkers. Diabetol Metab Syndr. 2024;16:5. Disponible en: https://doi.org/10.1186/s13098-023-01247-y
Salud y Medicina. Biomarcadores que predicen aterosclerosis en personas sin riesgo cardiovascular [Internet]. [citado 15 abr 2026]. Disponible en: https://saludymedicina.org/post/biomarcadores-que-predicen-aterosclerosis-en-personas-sin-riesgo-cardiovascular
Li Y, Liu Y, Liu S, Zhang RX, Guo S, Hu J, et al. Diabetic vascular diseases: molecular mechanisms and therapeutic strategies. Sig Transduct Target Ther. 2023;8:152. Disponible en: https://doi.org/10.1038/s41392-023-01400-z
Lecturio. Atherosclerosis Pathogenesis. Lecturio Medical Concept Library [Internet]. Disponible en: https://www.lecturio.com/concepts/atherosclerosis/
Soppert J, Lehrke M, Marx N, Jankowski J, Noels H. Lipoproteins and lipids in cardiovascular disease: from mechanistic insights to therapeutic targeting. 2020;73(10):849-59. Disponible en: https://doi.org/10.1016/j.addr.2020.07.019
Wazir M, Olanrewaju OA, Yahya M, Kumari J, Kumar N, Singh J, et al. Lipid Disorders and Cardiovascular Risk: A Comprehensive Analysis of Current Perspectives. Cureus. 2023;15(12):e51395. Disponible en: https://doi.org/10.7759/cureus.51395
Marco‑Benedí V, Cenarro A, Laclaustra M, Calmarza P, Bea AM, Vila Á, et al. Influencia de la concentración de triglicéridos en la lipoproteína(a) en función de la dislipidemia. Clin Investig Arterioscleros. 2024;36(2):71-7. Disponible en: https://doi.org/10.1016/j.arteri.2023.11.005
Behbodikhah J, Ahmed S, Elyasi A, Kasselman LJ, De Leon J, Glass AD, et al. Apolipoprotein B and Cardiovascular Disease: Biomarker and Potential Therapeutic Target. Metabolites. 2021 Oct 8;11(10):690. Disponible en: https://doi.org/10.3390/metabo11100690
Davidson M, Altenburg M. Dislipidemia [Internet]. En: Manuales MSD, versión para profesionales. Braunstein GD, editor. Kenilworth, NJ: Merck & Co.; 2025 [citado 17 Sep 2025]. Disponible en: https://www.msdmanuals.com/es/professional/trastornos-endocrinol%C3%B3gicos-y-metab%C3%B3licos/trastornos-de-los-l%C3%ADpidos/dislipidemia
Sniderman AD, Islam S., McQueen M, Pencina M, Furberg CD, Thanassoulis G, et al. (2016). Age and Cardiovascular Risk Attributable to Apolipoprotein B, Low-Density Lipoprotein Cholesterol or Non-High-Density Lipoprotein Cholesterol. J Am Heart Assoc. 2016;5(10):e003665. Disponible en: https://doi.org/10.1161/JAHA.116.003665
Langlois MR, Chapman MJ, Cobbaert C, Mora S, Remaley AT, Ros E, et al. Quantifying Atherogenic Lipoproteins: Current and Future Challenges in the Era of Personalized Medicine and Very Low Concentrations of LDL Cholesterol. A Consensus Statement from EAS and EFLM. Clin Chem. 2018;64(7):1006-33. Disponible en: https://doi.org/10.1373/clinchem.2018.287037
Quispe R, Martin SS, Michos ED, Lamba I, Blumenthal RS, Saeed A, et al. Remnant cholesterol predicts cardiovascular disease beyond LDL and ApoB: a primary prevention study. Eur Heart J. 2021;42(42):4324-4332. Disponible en: https://doi.org/10.1093/eurheartj/ehab432
Pagano S, Bakker SJ, Juillard C, Gaertner H, James RW, Vuilleumier N, et al. Anticuerpos contra la apolipoproteína A1, enfermedad del hígado graso no alcohólico y riesgo cardiovascular: un estudio traslacional. J Transl Med. 2023;21:694. Disponible en: https://doi.org/10.1186/s12967-023-04569-7
Díaz Ludovico I, Gisonno RA, González MC, Garda HA, Ramella NA, Tricerri MA. Comprensión del papel de la apolipoproteína A-I en la aterosclerosis. ¿Las modificaciones postraduccionales sinergizan la disfunción? Rev Arg Cardiol. 2020;88(5):471-477. Disponible en: https://doi.org/10.1016/j.bbagen.2020.129732
Chen Y, Chen YY, Chien KL, Lin YJ, Chen FY, Hsieh YC, et al. Long-term trajectories of apolipoprotein A1 and major adverse cardiovascular events and mortality in a community cohort. Lipids Health Dis. 2025;24(1):137. Disponible en: https://doi.org/10.1186/s12944-025-02552-3
Ivert T, Malmström H, Hammar N, Carlsson AC, Wändell PE, Holzmann MJ, et al. Cardiovascular events in patients under age fifty with early findings of elevated lipid and glucose levels - The AMORIS study. PLoS One. 2018;13(8):e0201972. Disponible en: https://doi.org/10.1371/journal.pone.0201972
Kronenberg F, Mora S, Stroes ESG, Ference BA, Arsenault BJ, Berglund L, et al. Lipoprotein(a) in atherosclerotic cardiovascular disease and aortic stenosis: a European Atherosclerosis Society consensus statement. Eur Heart J. 2022;43(39):3925-3946. Disponible en: https://doi.org/10.1093/eurheartj/ehac361
Boffa MB, Koschinsky ML. Lipoprotein(a) and cardiovascular disease. Biochem J. 2024;481(19):1277-1296. Disponible en: https://doi.org/10.1042/BCJ20240037
Xu R, Wang Z, Dong J, Yu M, Zhou Y. Lipoprotein(a) and panvascular disease. Lipids Health Dis. 2025;24(1):186. Disponible en: https://doi.org/10.1186/s12944-025-02600-y
Yang Y, Yan T, Wang Y, Zhang Z, Li L, Zhang C, et al. Association of sdLDL-C/LDL-C ratio with atherosclerotic cardiovascular disease: a case-control study. BMC Cardiovasc Disord. 2025;25(1):430. Disponible en: https://doi.org/10.1186/s12872-025-04871-w
Qiao YN, Zou YL, Guo SD. Low-density lipoprotein particles in atherosclerosis. Front Physiol. 2022;13:931931. Disponible en: https://doi.org/10.3389/fphys.2022.931931
Ivanova EA, Myasoedova VA, Melnichenko AA, Grechko AV, Orekhov AN. Lipoproteínas pequeñas y densas de baja densidad como biomarcador de enfermedades ateroscleróticas. Oxid Med Cell Longev. 2017;2017:1273042. Disponible en: https://doi.org/10.1155/2017/1273042
Jebari-Benslaiman S, Galicia-García U, Larrea-Sebal A, Olaetxea JR, Alloza I, Vandenbroeck K, et al. Pathophysiology of Atherosclerosis. Int J Mol Sci. 2022;23(6):3346. Disponible en: https://doi.org/10.3390/ijms23063346
Coassin S, Kronenberg F. Lipoprotein(a) beyond the kringle IV repeat polymorphism: The complexity of genetic variation in the LPA gene. Atherosclerosis. 2022;349:17-35. Disponible en: https://doi.org/10.1016/j.atherosclerosis.2022.04.003
Qiu C, Zeng P, Li X, Wang JP, Cheng SY, Li Q, et al. ¿Cuál es el impacto de los polimorfismos rs505151 y rs11591147 de PCSK9 en los niveles séricos de lípidos y el riesgo cardiovascular?: un metaanálisis. Lipids Health Dis. 2017;16:111. Disponible en: https://doi.org/10.1186/s12944-017-0506-6
Small AM, Huffman JE, Klarin D, Lynch JA, Assimes T, DuVall S, et al. PCSK9 loss of function is protective against extra-coronary atherosclerotic cardiovascular disease in a large multi-ethnic cohort. PLoS One. 2020;15(11):e0239752. Disponible en: https://doi.org/10.1371/journal.pone.0239752
Qaddoumi M, Hebbar P, Abu-Farha M, Al Somaly A, Melhem M, Al-Kayal F, et al. GALNT2 rs4846914 SNP Is Associated with Obesity, Atherogenic Lipid Traits, and ANGPTL3 Plasma Level. Genes. 2022;13(7):1201. Disponible en: https://doi.org/10.3390/genes13071201
Raja V, Aguiar C, Alsayed N, Chibber YS, El Badawi H, Ezhov M, et al. Colesterol no HDL en la dislipidemia: revisión de la literatura de vanguardia y perspectivas. Atherosclerosis. 2023;381:117215. Disponible en: https://doi.org/10.1016/j.atherosclerosis.2023.117312
Quispe R, Brownstein AJ, Sathiyakumar V, Park J, Chang B, Sajja A, et al. Utility of non-HDL-C and ApoB targets in the context of new more aggressive lipid guidelines. Am J Prev Cardiol. 2021;7:100203. Disponible en: Disponible en: https://doi.org/10.1016/j.ajpc.2021.100203
Gutiérrez-Esparza G, Pulido T, Martínez-García M, Ramírez-delReal T, Groves-Miralrio LE, Márquez-Murillo MF, et al. A machine learning approach to personalized predictors of dyslipidemia: a cohort study. Front Public Health J [Internet]. 2023;11:1213926. Disponible en: http://dx.doi.org/10.3389/fpubh.2023.1213926
Młynarska E, Bojdo K, Frankenstein H, Kustosik N, Mstowska W, Przybylak A, et al. Nanotechnology and Artificial Intelligence in Dyslipidemia Management-Cardiovascular Disease: Advances, Challenges, and Future Perspectives. J Clin Med [Internet]. 2025;14(3):887. Disponible en: https://doi.org/10.3390/jcm14030887
Assouline D, Le Pogam MA, Pittet V. An overview of AI and Machine Learning methods: motivations, concepts, and examples. Eur J Public Health [Internet]. 2021;31(Supplement_3). Disponible en: http://dx.doi.org/10.1093/eurpub/ckab164.569
Chen T, Guestrin C. XGBoost: A scalable tree boosting system. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM Digital Library; 2016:785-794. Disponible en: https://doi.org/10.1145/2939672.2939785
Romero-Brufau S, Wyatt KD, Boyum P, Mickelson M, Moore M, Cognetta-Rieke C. A lesson in implementation: A pre-post study of providers’ experience with artificial intelligence-based clinical decision support. Int J Med Inform [Internet]. 2020;137(104072):104072. Disponible en: http://dx.doi.org/10.1016/j.ijmedinf.2019.104072
Mohsin Khan M, Shah N, Shaikh N, Thabet A, Alrabayah T, Belkhair S. Towards secure and trusted AI in healthcare: A systematic review of emerging innovations and ethical challenges. Int J Med Inform [Internet]. 2025;195(105780):105780. Disponible en: http://dx.doi.org/10.1016/j.ijmedinf.2024.105780
Nascimento SM, Paiva TM, Kasuga MP, Silva AF, Crozara CM, Byk J, et al. La inteligencia artificial y sus implicaciones éticas y legales: revisión integradora. Rev Bioet [Internet]. 2024;32(e3729PT). Disponible en: http://dx.doi.org/10.1590/1983-803420243729es
Mennella C, Maniscalco U, De Pietro G, Esposito M. Ethical and regulatory challenges of AI technologies in healthcare: A narrative review. Heliyon [Internet]. 2024;10(4):e26297. Disponible en: http://dx.doi.org/10.1016/j.heliyon.2024.e26297
Lysaght T, Lim HY, Xafis V, Ngiam KY. AI-assisted decision-making in healthcare: The application of an Ethics Framework for Big Data in Health and Research: The application of an Ethics Framework for Big Data in Health and Research. Asian Bioeth Rev [Internet]. 2019;11(3):299-314. Disponible en: http://dx.doi.org/10.1007/s41649-019-00096-0
Cole J, Zubirán R, Wolska A, Jialal I, Remaley AT. Use of Apolipoprotein B in the Era of Precision Medicine: Time for a Paradigm Change? J Clin Med. 2023;12(17):5737. Disponible en: https://pubmed.ncbi.nlm.nih.gov/37685804/
Karjalainen MK, Holmes MV, Wang Q, Anufrieva O, Kähönen M, Lehtimäki T, et al. Apolipoprotein A-I concentrations and risk of coronary artery disease: A Mendelian randomization study. Atherosclerosis [Internet]. 2020;299:56-63. Disponible en: http://dx.doi.org/10.1016/j.atherosclerosis.2020.02.002
Contois JH, Langlois MR, Cobbaert C, Sniderman AD. Estandarización de la apolipoproteína B, colesterol LDL y colesterol no HDL. J Am Heart Assoc. 2023;12(15):e030405. Disponible en: https://doi.org/10.1161/JAHA.123.030405
Delgado-Lista J, Mostaza JM, Arrobas-Velilla T, Blanco-Vaca F, Masana L, Pedro-Botet J, et al. Consenso sobre lipoproteína (a) de la Sociedad Española de Arteriosclerosis. Revisión bibliográfica y recomendaciones para la práctica clínica. Clin Investig Arterioscler. [Internet]. 2024;36(4):243-66. Disponible en: http://dx.doi.org/10.1016/j.arteri.2024.03.002
Felekkis K, Papaneophytou C. Desafíos en el uso de microARN circulantes como biomarcadores de enfermedades cardiovasculares. Int J Mol Sci. 2020;21(2):561. doi: https://doi.org/10.3390/ijms21020561. Disponible en: https://doi.org/10.3390/ijms21020561
Wang X, Lu Y, Zhao R, Liu J, Zhang S, Wang L, et al. Vigilancia global de microARN circulantes para la evaluación diagnóstica y pronóstica del infarto agudo de miocardio basada en la secuenciación de ARN pequeño plasmático. Biomark Res. 2024;12:143. Disponible en: https://doi.org/10.1186/s40364-024-00690-x
Carreras-Torres R, Galván-Femenía I, Farré X, Diez-Obrero V, Obón-Santacana M, Moratalla-Navarro F, et al. El análisis de integración multiómica identifica metabolitos aterogénicos que median entre nuevos genes inmunitarios y el riesgo cardiovascular. Genome Med. 2024;16:122. Disponible en. https://doi.org/10.1186/s13073-024-01397-2
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
Derechos de autor 2026 Revista Med
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
.png)
