Ученые из Сеченовского университета первыми в мире выделили четыре новых метаболомных фенотипа хронической сердечной недостаточности, которые помогут улучшить выявляемость заболевания и прогнозировать его течение. Результаты работы описаны в статье, опубликованной в журнале Scientific Reports.
Хроническая сердечная недостаточность — одна из самых тяжелых и плохо прогнозируемых патологий (выживаемость пациентов не превышает 50% в течение 5 лет), поэтому своевременная и точная диагностика этого заболевания крайне важна.
В новом исследовании были задействованы 415 пациентов с разными сердечно-сосудистыми заболеваниями, в т.ч. сердечной недостаточностью, и 83 здоровых добровольца. С помощью метода высокоэффективной жидкостной хроматографии в сочетании с масс-спектрометрией всем участникам провели количественный метаболомный анализ крови. Профиль пациентов с сердечно-сосудистыми заболеваниями сравнивали с референсными значениями здоровых добровольцев. Затем, используя алгоритмы машинного обучения, ученые выделили 4 метаболомных фенотипа хронической сердечной недостаточности и определили их особенности.
Авторы исследования отмечают, что это совершенно новый подход — ранее никто в мире не классифицировал пациентов с сердечной недостаточностью по метаболомному профилю. Определение метаболомного профиля и фенотипа может помочь улучшить тактику лечения хронической сердечной недостаточности, ведь у кого-то из пациентов преобладают признаки воспаления, а у кого-то, например, нарушения синтеза оксида азота, и терапия может отличаться.
Ученые предполагают, что, если назначать пациентам не только стандартное лечение, но и персонализированную терапию, направленную на устранение воспаления или других выявленных патофизиологических особенностей, можно снизить риски неблагоприятного исхода этой патологии. Сейчас эта гипотеза проходит проверку.
В ходе исследования они также разработали метаболомную панель, позволяющую серьезно упростить и ускорить диагностику сердечной недостаточности с сохраненной фракцией выброса, и создали на основе метаболомного фенотипирования алгоритмы машинного обучения, которые с высокой точностью позволяют диагностировать т.н. предстадию сердечной недостаточности.
