clipurbanodenoticias

El rol clave del laboratorio en el hallazgo de Marcadores vinculados al Trastorno por Consumo de Alcohol

/Fuente: Federación Bioquímica de la Provincia de Buenos Aires – FABAInforma/

Marcadores vinculados al Trastorno por Consumo de Alcohol

El rol clave del laboratorio en el diagnóstico temprano de TCA.

El Trastorno por Consumo de Alcohol (TCA) es una enfermedad provocada por el excesivo y prolongado consumo de alcohol con consecuencias devastadoras en la salud física y mental. Puede derivar en enfermedades del hígado, el cerebro, el corazón y el estómago, entre otros órganos, así como aumentar el riesgo de padecer cáncer. Aunque su abordaje médico debe ser interdisciplinario, el laboratorio clínico ocupa un rol central en el diagnóstico temprano del TCA. Es por eso que, en esta oportunidad, presentamos tres trabajos vinculados a distintos marcadores que permiten tanto detectar el TCA en el análisis clínico como comprender sus efectos en la salud de los pacientes.

Marcadores inmunitarios y endocrinos circulantes en personas que beben actualmente y en abstinencia con trastorno por consumo de alcohol y controles. Tyler RE, Vizioli C, Barb JJ, Farokhnia M, Leggio L. Addict Biol. 2025 May;30(5):e70039. doi: 10.1111/adb.70039.

El trastorno por consumo de alcohol (TCA) se asocia con cambios en el funcionamiento de los sistemas endocrino e inmunitario. Este estudio es un análisis secundario destinado a investigar los cambios en los biomarcadores inmunitarios y endocrinos circulantes en muestras de sangre de tres grupos: (1) controles sanos (HC, N = 12), (2) personas con TCA que consumen actualmente y no buscan tratamiento (CD, N = 9), y (3) personas con TCA abstinentes que buscan tratamiento (AB, N = 10; abstinentes durante al menos 6 semanas). Planteamos la hipótesis de que las concentraciones de biomarcadores tanto inmunitarios como endocrinos serían diferentes en los grupos con TCA en comparación con los controles sanos. Los biomarcadores inmunitarios incluyeron IL-8, IL-18, CCL2, TNF-α, IL-1RA, IL-6 e IL-10. Los biomarcadores endocrinos incluyeron el factor neurotrófico derivado del cerebro (BDNF), el péptido similar al glucagón 1 (GLP-1), la ghrelina, el péptido inhibidor gástrico (GIP), la hormona del crecimiento, la leptina e insulina. Las concentraciones de biomarcadores se compararon entre los tres grupos controlando por edad y sexo, y se exploraron las asociaciones entre las concentraciones de biomarcadores y las medidas conductuales. Las concentraciones de IL-8 fueron elevadas en el grupo AB en comparación con CD y HC (F(2,29) = 6.33, p = 0.006, ƞp2 = 0.318). Las concentraciones de BDNF fueron más bajas en AB en comparación con HC (F(2,30) = 4.34, p = 0.02, ƞp2 = 0.266). Las concentraciones de GLP-1 fueron más altas en AB en comparación con HC (F(2,25) = 4.22, p = 0.03, ƞp2 = 0.287). Los análisis exploratorios en los grupos combinados mostraron que las medidas de consumo pasado, la gravedad del TCA y la ansiedad/ depresión se correlacionaron positivamente con IL-18 y TNF-α, y negativamente con BDNF. Estos resultados demuestran que las concentraciones circulantes de proteínas tanto inmunitarias como endocrinas están alteradas en individuos abstinentes con antecedentes de TCA grave (grupo AB) en comparación con los controles sanos. Por el contrario, no se observaron diferencias grupales en ningún biomarcador entre las personas con TCA que consumen actualmente y no buscan tratamiento y el grupo HC. Nuestros hallazgos resaltan la importancia de tener en cuenta la gravedad del TCA, las comorbilidades y el estado de búsqueda de tratamiento, especialmente al estudiar biomarcadores relacionados con el alcohol.

Biomarcadores inflamatorios en el trastorno por consumo de alcohol: los ratios neutrófilos/linfocitos y monocitos/HDL-C como potenciales indicadores diagnósticos. Acat O, Imre O. Eur J Med Res. 2025 Oct 21;30(1):1004. doi: 10.1186/ s40001-025-03262-3.

Antecedentes: El trastorno por consumo de alcohol (TCA) constituye un importante problema de salud pública mundial debido a sus amplias consecuencias biológicas, psicológicas y sociales. Aunque se han propuesto varios marcadores bioquímicos —como la gamma-glutamil transferasa (GGT), la transferrina deficiente en carbohidratos (CDT) y el volumen corpuscular medio (VCM)— para el diagnóstico del TCA, su especificidad limitada puede dar lugar a imprecisiones diagnósticas. Este estudio investiga la relación entre el TCA y nuevos marcadores inflamatorios, incluyendo el ratio monocitos-linfocitos (MLR), el ratio neutrófilos-linfocitos (NLR), el ratio neutrófilos-colesterol HDL (NHR) y el ratio monocitos-colesterol HDL (MHR).

Métodos: Este estudio transversal de casos y controles incluyó a 84 pacientes con diagnóstico clínico de TCA y 50 controles sanos (HC). El grupo con TCA se subdividió en dos categorías: aquellos con niveles elevados de enzimas hepáticas (E-AUD) y aquellos con función hepática normal (NE-AUD). Todos los participantes se sometieron a un hemograma completo y a la medición de colesterol HDL. A partir de estos valores, se calcularon NLR, MLR, NHR y MHR. El análisis estadístico se realizó mediante las pruebas ANOVA de una vía y Kruskal- Wallis utilizando la versión 25.0 de SPSS.

Resultados: No se observaron diferencias significativas en los niveles de neutrófilos monocitos, HDL-C, NLR, MHR y NHR entre los tres grupos (p > 0.05). Sin embargo, los niveles de HDL-C y NLR fueron significativamente más altos en el grupo E-AUD en comparación con los controles. En el grupo NE-AUD, los niveles de neutrófilos, monocitos y MHR estaban significativamente elevados, a pesar de los perfiles normales de enzimas hepáticas. Estos hallazgos indican una activación inflamatoria temprana en pacientes con TCA sin evidencia bioquímica de disfunción hepática. Conclusiones: Los niveles de neutrófilos, monocitos, HDL-C, NLR y MHR difieren entre los individuos con TCA y los sujetos sanos. Los marcadores inflamatorios elevados en el grupo NE-AUD sugieren su utilidad potencial en la detección temprana del TCA. En contraste, el aumento de HDL-C y NLR en el grupo E-AUD puede reflejar una enfermedad avanzada. Se necesitan más estudios prospectivos para validar estos hallazgos.

Marcadores de envejecimiento biológico en sangre y tejido cerebral indican una aceleración de la edad en el trastorno por consumo de alcohol. Zillich L, Cetin M, Hummel EM, Poisel E, Fries GR, Frank J, Streit F, Foo JC, Sirignano L, Friske MM, Lenz B, Hoffmann S, Adorjan K, Kiefer F, Bakalkin G, Hansson AC, Lohoff FW, Kärkkäinen O, Kok E, Karhunen PJ, Sutherland GT, Walss-Bass C, Spanagel R, Rietschel M, Moser DA, Witt SH. Alcohol Clin Exp Res (Hoboken). 2024 Feb;48(2):250-259. doi:10.1111/acer.15241.

Antecedentes: El trastorno por consumo de alcohol (TCA) se asocia con un mayor riesgo de mortalidad y morbilidad. Una razón para esto podría ser el envejecimiento biológico acelerado, el cual está fuertemente influenciado por procesos patológicos como la inflamación. Dado que estudios recientes sobre el TCA muestran cambios en la metilación del ADN y en la expresión génica en vías relacionadas con la neuroinflamación en el cerebro, el envejecimiento biológico representa un constructo potencialmente importante para comprender los efectos adversos de los trastornos por consumo de sustancias. Los relojes epigenéticos han mostrado un envejecimiento acelerado en muestras de sangre de individuos con TCA. Sin embargo, no se ha realizado ninguna evaluación sistemática de las medidas de edad biológica en el TCA a través de diferentes tejidos y regiones cerebrales.

Métodos: Como marcadores de envejecimiento biológico (marcadores BioAge), evaluamos los relojes epigenéticos de Levine y Horvath, la longitud de los telómeros mediante metilación del ADN (DNAmTL), la longitud de los telómeros (TL) y el número de copias del ADN mitocondrial (mtDNAcn) en muestras postmortem de cerebro del Área 9 de Brodmann (BA9), el núcleo caudado y el estriado ventral (N = 63-94), y en muestras de sangre completa (N = 179) de individuos con y sin TCA. Para evaluar la asociación entre el estado del TCA y los marcadores BioAge, realizamos análisis de regresión lineal ajustando las covariables.

Resultados: La mayoría de los marcadores BioAge se asociaron significativamente con la edad cronológica en todas las muestras. El reloj epigenético de Levine y el DNAmTL fueron indicativos de un envejecimiento biológico acelerado en el TCA en el BA9 y en muestras de sangre completa, mientras que el de Horvath mostró el efecto opuesto en el BA9. No se detectó una asociación significativa del TCA con la TL y el mtDNAcn. La TL medida y el DNAmTL mostraron solo correlaciones pequeñas en sangre y ninguna en el cerebro. Conclusiones: El presente estudio es el primero en investigar simultáneamente los relojes epigenéticos, la longitud de los telómeros y el mtDNAcn en muestras postmortem de cerebro y sangre completa en individuos con TCA. Encontramos evidencia de envejecimiento biológico acelerado en el TCA en sangre y cerebro, medido por el reloj epigenético de Levine y el DNAmTL. Se necesitan estudios adicionales de diferentes tejidos de los mismos individuos para extraer conclusiones válidas sobre la congruencia del envejecimiento biológico en la sangre y el cerebro.

Bibliografía en inglés

  • Hemati H, Blanton MB, True HE, Koura J, Khadka R, Grant KA, Messaoudi I. Chronic alcohol consumption induces phenotypic and functional alterations consistent with a hyper-inflammatory state in peripheral blood mononuclear cell-derived microglia in a rhesus macaque model. Brain Behav Immun. 2025 Oct;129:874-889. doi: 10.1016/j.bbi.2025.07.022.
  • Amadieu C, Ahmed H, Leclercq S, Koistinen V, Leyrolle Q, Stärkel P, Bindels LB, Layé S, Neyrinck AM, Kärkkäinen O, De Timary P, Hanhineva K, Delzenne NM. Effect of inulin supplementation on fecal and blood metabolome in alcohol use disorder patients: A randomised, controlled dietary intervention. Clin Nutr ESPEN. 2025 Apr;66:361-371. doi: 10.1016/j.clnesp.2025.01.046.
  • Shi L, Chen X, Zhou B, Yang S, Ou Q, Zhou X. Integrated metabolomic- lipidomic profiling reveals novel biomarkers and therapeutic targets for alcohol use disorder with cognitive impairment. Front Psychiatry. 2025 Jun 13;16:1594313. doi: 10.3389/fpsyt.2025.1594313.
Definiendo términosEn esta sección, donde se brinda información del SACT, presentamos este segmento: “Definiendo Términos”, en el cual aclaramos vocabulario novedoso en las ciencias de laboratorio que pueden generar confusión. En esta oportunidad, se trata de términos referidos a Inteligencia Artificial.Tipos de Inteligencia ArtificialInteligencia artificial:Un sistema basado en máquinas que puede, para un conjunto dado de objetivos definidos por humanos, hacer predicciones, recomendaciones o tomar decisiones que influyen en entornos reales o virtuales. Los sistemas de inteligencia artificial utilizan entradas basadas en máquinas y en humanos para percibir entornos reales y virtuales; abstraen tales percepciones en modelos mediante análisis de manera automatizada; y usan la inferencia del modelo para formular opciones de información o acción.Inteligencia artificial agéntica o agentiva:Es un sistema de inteligencia artificial que puede lograr un objetivo específico bajo poca supervisión. Consiste en agentes de IA: modelos de aprendizaje automático que imitan la toma de decisiones de los humanos para resolver problemas en tiempo real. En un sistema multiagente, cada agente realiza una subtarea específica necesaria para alcanzar el objetivo en cuestión y sus esfuerzos se coordinan a través de la orquestación de IA.Inteligencia artificial conversacional:Impulsa bots de chat y asistentes virtuales que facilitan las interacciones de lenguaje natural entre personas y máquinas a través de interfaces de texto o voz. La inteligencia artificial conversacional se basa en modelos de aprendizaje automático y procesamiento de lenguaje natural (NLP) para comprender el lenguaje natural y generar respuestas similares a las humanas.Inteligencia artificial explicable (Caja blanca):La IA explicable se utiliza para describir un modelo de IA, su impacto esperado y sus posibles sesgos. Ayuda a caracterizar la precisión del modelo, la imparcialidad, la transparencia y los resultados en la toma de decisiones impulsada por la IA.Inteligencia artificial generativa:La clase de modelos de inteligencia artificial que emulan la estructura y características de los datos de entrada para generar contenido sintético derivado. Esto puede incluir imágenes, videos, audio, texto y otro contenido digital.Inteligencia artificial predictiva:Pronostica resultados basados en el análisis de datos históricos. Puede analizar comportamientos detectar patrones y predecir resultados futuros con alta precisión. La inteligencia artificial predictiva es fundamental en finanzas, asistencia sanitaria, fabricación y marketing.Inteligencia artificial tradicional:Automatiza y optimiza tareas específicas. Dado que se basa en modelos de machine learning con reglas y algoritmos predefinidos, se usa más ampliamente en sectores para tareas repetitivas en las que la eficacia y la precisión son fundamentales, como la fabricación o el procesamiento de datos. La inteligencia artificial tradicional incluye inteligencia artificial predictiva e inteligencia artificial conversacional.Servicio de Apoyo Científico- Técnico (SACT)

Deja un comentario