O quê? Este estudo investigou o potencial dos biomarcadores proteômicos séricos para melhorar a previsão de risco de 24 doenças não comunicáveis e mortalidade prematura por todas as causas, usando dados de um estudo de coorte prospectivo. Por quê? A previsão precisa de doenças pode melhorar significativamente as estratégias de prevenção e manejo, mas estudos anteriores limitaram-se a algumas doenças selecionadas. Este estudo almejou avaliar a eficácia preditiva de proteínas séricas além das informações de saúde derivadas e dos escores de risco poligênicos em uma variedade diversa de condições. Como? O estudo utilizou dados do estudo prospectivo EPIC-Norfolk, selecionando indivíduos com amostras de soro disponíveis e dados genotípicos em larga escala. Utilizou-se aprendizado de máquina para derivar modelos preditivos de proteínas para o início de 23 doenças individuais e mortalidade prematura por todas as causas. E aí? Os modelos proteômicos mostraram-se superiores aos escores de risco poligênicos para 17 dos 23 desfechos estudados e melhoraram o desempenho preditivo quando adicionados a modelos básicos de informação do paciente para sete desfechos, com uma mediana de índice de concordância (C-index) de 0,82. E agora? Os resultados sugerem que a abordagem proteômica pode ser utilizada para desenvolver painéis de biomarcadores robustos para previsão…...
