Análisis de los perfiles metabolómicos en muestras de sangre materna dirigidos hacia la predicción temprana de riesgo de parto pretérmino

Abstract

El parto pretérmino (PP) se define como aquel que ocurre antes de las 37 semanas de gestación. Constituye una de las principales causas de morbilidad y mortalidad en niños menores de cinco años a nivel mundial, siendo responsable de aproximadamente un millón de muertes infantiles cada año. A pesar de su importante impacto en la salud materno-infantil, los mecanismos involucrados en su desarrollo aún no se comprenden completamente y, en consecuencia, no se dispone de herramientas confiables para su predicción temprana. Por tal motivo, se realizó un estudio retrospectivo de casos y controles (1:2) que incluyó 199 gestantes durante el primer trimestre de embarazo (64 PP; 135 PT), con el objetivo de caracterizar el perfil metabolómico plasmático asociado al desarrollo de parto pretérmino. Se identificaron un total de 30 metabolitos diferenciales (p < 0,05), destacándose principalmente compuestos de naturaleza lipídica vinculados a vías biológicas relacionadas con inflamación, estrés oxidativo y metabolismo energético. Con el fin de discriminar entre mujeres con PP y PT, se implementaron modelos de aprendizaje automático (machine learning, ML), considerando la alta heterogeneidad clínica y la variabilidad inherente a los perfiles metabolómicos. Entre los modelos evaluados, las máquinas de vectores de soporte (SVM, por sus siglas en inglés Support Vector Machine) presentaron el mejor desempeño, con un AUC de 0,83, sensibilidad de 0,69, especificidad de 0,89 y exactitud de 0,83. De manera similar, XGBoost (Extreme Gradient Boosting) alcanzó un AUC de 0,815, sensibilidad de 0,62, especificidad de 0,89 y exactitud de 0,80. Este estudio aporta evidencia temprana sobre alteraciones metabolómicas asociadas al parto pretérmino en una cohorte de gestantes colombianas, una población escasamente representada en la literatura internacional. Asimismo, demuestra el potencial de integrar perfiles metabolómicos obtenidos durante el primer trimestre con variables clínicas y herramientas de inteligencia artificial para fortalecer la identificación precoz de mujeres en riesgo. En conjunto, los hallazgos sugieren que los perfiles metabolómicos plasmáticos contienen marcadores biológicos con potencial utilidad predictiva para el PP y respaldan el desarrollo futuro de estrategias de cribado temprano más precisas. No obstante, se requieren estudios de validación externa y una confirmación estructural más rigurosa de los metabolitos identificados antes de su aplicación clínica.