Nutrición de precisión: qué pueden demostrar los lípidos, los MCG y los genes

La nutrición de precisión puede medir las diferencias entre las personas con un detalle impresionante. Aún no ha demostrado que esas mediciones produzcan sistemáticamente mejores resultados de salud que el consejo dietético estándar bien proporcionado.

Tres enfoques hacen que esa brecha sea especialmente clara. Una puntuación del lipidoma plasmático sigue los cambios metabólicos que ocurren al reemplazar las grasas saturadas por grasas insaturadas y predice el riesgo cardiometabólico futuro. Los algoritmos que predicen las respuestas de glucosa después de las comidas pueden clasificar los alimentos de manera diferente para distintas personas, pero el mayor ensayo aleatorizado disponible no encontró ninguna ventaja sobre el asesoramiento estándar. Una variante común de FADS1 modifica la composición de ácidos grasos en sangre tras la exposición a grasas dietéticas, pero no ha identificado a las personas que obtienen mayor protección frente a la diabetes de los frutos secos o los aceites vegetales.

La biología es individual. La prescripción aún necesita pruebas.

Una puntuación del lipidoma presenta el argumento más sólido, por ahora

La mejor evidencia proviene del estudio de 2024 de Eichelmann et al. en Nature Medicine. Su punto de partida fue el ensayo controlado aleatorizado DIVAS: durante 16 semanas, 195 participantes siguieron una dieta control rica en grasas saturadas (n=65) o una de dos dietas más ricas en grasas insaturadas (n=130). La intervención sustituyó el 8 % de la energía total procedente de ácidos grasos saturados por ácidos grasos insaturados. Dado que las dos dietas con grasas insaturadas produjeron cambios similares en el lipidoma, los investigadores las agruparon para este análisis.

Se dispuso de datos de lipidómica para 113 participantes. De las 111 concentraciones de ácidos grasos medidas en distintas clases de lípidos, 45 difirieron tras la intervención dietética con un umbral de tasa de falsos descubrimientos inferior a 0,05. Los investigadores combinaron esos cambios en una puntuación Multilipid ponderada, o MLS.

Esa puntuación hizo más que reflejar el colesterol LDL o los triglicéridos. En la cohorte prospectiva EPIC-Potsdam de aproximadamente 27.000 personas, una MLS más alta se asoció con un riesgo un 32 % menor de enfermedad cardiovascular y un riesgo un 26 % menor de diabetes tipo 2 tras ajustar por índice de masa corporal, colesterol LDL, presión arterial, tabaquismo y otros factores convencionales. La puntuación también aportó información predictiva más allá del colesterol LDL y los triglicéridos.

Se trata de asociaciones, no de pruebas de que aumentar una MLS prevenga enfermedades. Aun así, los investigadores evaluaron una versión de menor resolución, la MLS reducida o rMLS, en las cohortes del Nurses' Health Study y la examinaron de nuevo en PREDIMED. En PREDIMED, los participantes que comenzaron con una rMLS desfavorable parecieron obtener una mayor reducción del riesgo de diabetes tipo 2 con la intervención de dieta mediterránea. Esta es una señal genuina de nutrición de precisión: la biología basal puede ayudar a identificar quién se beneficia más.

La implicación práctica no requiere un espectrómetro de masas. Sustituir parte de las grasas saturadas por grasas insaturadas de alimentos como frutos secos, semillas, pescado, aceite de oliva y otros aceites vegetales ya encaja con el consejo cardiometabólico convencional. La MLS aporta más detalle biológico a esa recomendación conocida; aún no la convierte en una prueba personalizada lista para la clínica.

Por qué la MLS es prometedora, pero no está lista para la consulta

La puntuación se desarrolló después de que terminara el ensayo DIVAS, utilizando 45 marcadores seleccionados entre 111 candidatos. Ese proceso de selección puede sobreajustar una puntuación al conjunto de datos que la originó, incluso cuando los hallazgos posteriores de las cohortes sean alentadores. El análisis de lipidómica también incluyó a 113 de los 195 participantes aleatorizados, por lo que el subconjunto analizado puede no representar perfectamente a todas las personas aleatorizadas.

Los estudios externos utilizaron una rMLS basada en 42 variables de menor resolución que reflejaban 15 concentraciones de ácidos grasos específicas de cada clase, en lugar de la puntuación original de 45 lípidos. Las distintas plataformas de medición pueden modificar la eficacia con la que una puntuación se transfiere. PREDIMED también presentó irregularidades en la aleatorización en algunos centros que llevaron a la retractación y republicación del ensayo principal; sus análisis de subgrupos merecen cautela adicional. Por último, actualmente no existe un flujo de trabajo clínico estandarizado y reembolsado que ofrezca pruebas lipidómicas con la profundidad de la MLS. La puntuación tiene un historial de investigación convincente y ninguna vía de implementación establecida.

La predicción de glucosa funciona como herramienta de medición, pero aún no como un plan dietético superior

Las personas pueden tener respuestas de glucosa muy diferentes ante la misma comida. Esa observación llevó a investigadores de Weizmann y de otros lugares a desarrollar algoritmos que utilizan datos personales para predecir la respuesta glucémica posprandial, o PPGR, y orientar a las personas hacia alimentos que se prevé que produzcan excursiones menores.

Ensayos aleatorizados más pequeños ofrecieron motivos para tomar la idea en serio. Ben-Yacov et al. informaron mejores resultados de control glucémico con una dieta personalizada dirigida a la respuesta posprandial que con una dieta mediterránea en personas con prediabetes. En un ensayo piloto en personas con diabetes tipo 2 recién diagnosticada, Rein et al. observaron mejoras glucémicas con orientación dietética basada en PPGR.

Ninguno de los resultados resuelve si el algoritmo aporta valor más allá de un buen asesoramiento dietético. Los ensayos estudiaron poblaciones diferentes y utilizaron comparadores distintos. La diabetes recién diagnosticada también es un periodo en el que las personas pueden responder intensamente a casi cualquier atención dietética sostenida, y los ensayos piloto no pueden aislar de forma fiable un efecto pequeño específico del algoritmo.

La prueba de mayor tamaño fue menos favorable. En el Personal Diet Study, 156 adultos con prediabetes o diabetes tipo 2 moderadamente controlada fueron asignados aleatoriamente a una dieta estándar baja en grasas (n=75) o a una dieta personalizada mediante algoritmo PPGR (n=81), y se les siguió durante seis meses. Ambos grupos recibieron asesoramiento conductual, apoyo mediante una aplicación para teléfonos inteligentes y monitorización continua de glucosa al inicio, a los tres meses y a los seis meses.

La variabilidad glucémica mejoró a un ritmo casi idéntico en ambos grupos. La amplitud media de las excursiones glucémicas disminuyó 0,83 mg/dL al mes en el grupo estándar (IC del 95 %, 0,21 a 1,46; P=0,009) y 0,79 mg/dL al mes en el grupo personalizado (IC del 95 %, 0,19 a 1,39; P=0,010). La comparación entre grupos fue nula (P=0,92), y las trayectorias de HbA1c fueron paralelas. El algoritmo no superó al asesoramiento estándar en este ensayo.

Es posible que el estudio haya sido demasiado pequeño para detectar subgrupos de respondedores definidos de forma estrecha, y seis meses podrían no ser suficientes para que las curvas de HbA1c diverjan. Como ambos grupos recibieron apoyo mediante aplicación y asesoramiento equivalentes, tampoco puede separar el efecto motivacional del apoyo intensivo del algoritmo de clasificación de alimentos. Esas salvedades justifican más investigación. No convierten una comparación nula en una prueba de beneficio.

La monitorización continua de glucosa aún puede ser útil para las personas con prediabetes o diabetes que desean información oportuna sobre las comidas y los hábitos. Un pequeño estudio aleatorizado de 30 días en 30 adultos con prediabetes comparó datos visibles frente a datos enmascarados de MCG junto con terapia nutricional individualizada; Basiri et al. evaluaron si la retroalimentación en tiempo real podía mejorar esa terapia. Sin embargo, un registro de MCG es información, no un veredicto dietético, y el Personal Diet Study no encontró un beneficio glucémico adicional al añadir este algoritmo PPGR concreto al asesoramiento y la MCG.

FADS1 explica una diferencia metabólica real, sin beneficio clínico demostrado

FADS1 codifica la desaturasa delta-5, una enzima implicada en la conversión del ácido linoleico y el ácido alfa-linolénico dietéticos en ácidos grasos altamente insaturados de cadena más larga. La variante rs174547 modifica esa maquinaria metabólica. Un metaanálisis de 2022 de Wang et al. encontró que la variante se asoció de manera consistente con los niveles sanguíneos de AGPI de cadena larga en los estudios.

Esa señal también apareció en investigación dietética. Jäger et al. estudiaron el consumo de frutos secos y la ingesta de aceites vegetales en EPIC-InterAct, que incluyó 7.498 casos de diabetes tipo 2 y una subcohorte de 10.087 personas, y en 928 participantes genotipados de PREDIMED asignados a dietas con frutos secos o dietas de control. En PREDIMED, el genotipo rs174547 modificó significativamente las respuestas de ácidos grasos de fosfolípidos plasmáticos a la ingesta de frutos secos y aceites vegetales (P de interacción=0,003). Los portadores de CC mostraron una menor conversión de ácido linoleico en ácidos grasos de cadena más larga.

Sin embargo, los investigadores no encontraron que el genotipo modificara la asociación entre estas exposiciones dietéticas y la incidencia de diabetes tipo 2. Esta distinción importa. Un genotipo puede alterar un biomarcador sin identificar una dieta que modifique el riesgo de enfermedad de manera más efectiva para ese genotipo.

El análisis de interacción clínica también afrontó un problema básico de cifras: los portadores de CC representan aproximadamente el 15 % de las poblaciones europeas, lo que limita la potencia para detectar un efecto modesto de gen por dieta sobre la incidencia de diabetes. Por tanto, un resultado nulo podría pasar por alto un efecto pequeño, pero también sigue siendo compatible con la ausencia de un efecto clínicamente significativo. La investigación sobre inflamación del tejido adiposo ofrece detalle biológico: Vaittinen et al. hallaron que los genotipos de FADS1 modificaban las respuestas inflamatorias relacionadas con eicosanoides a una dieta enriquecida con ácido linoleico, pero la inflamación tisular y los ácidos grasos en sangre no son resultados de diabetes.

Qué hacer con esto ahora

Utiliza las partes de la evidencia que ya cumplen el umbral clínico. Mejorar la calidad de las grasas dietéticas sustituyendo parte de las grasas saturadas por grasas insaturadas sigue siendo sensato, independientemente de que alguna vez obtengas un panel de lipidómica. Si tienes prediabetes o diabetes tipo 2, la MCG puede ayudarte a detectar patrones y respaldar cambios de comportamiento, especialmente junto con atención clínica cualificada.

Mantén un mayor escepticismo ante las afirmaciones comerciales de que un algoritmo de glucosa o una sola variante genética pueden redactar una prescripción dietética que supere al asesoramiento estándar basado en la evidencia. La MLS es la más convincente de estas herramientas como medida de investigación porque vincula un cambio dietético inducido experimentalmente con asociaciones de riesgo prospectivo replicadas. El algoritmo PPGR cuenta con ensayos iniciales favorables, pero no superó su mayor comparación aleatorizada disponible. Las pruebas de FADS1 pueden describir el metabolismo de los ácidos grasos, pero aún no pueden decirte qué estrategia de grasas dietéticas reducirá tu riesgo de diabetes.

La nutrición de precisión puede medir la biología individual con una precisión creciente. Aún no se ha ganado el derecho a cobrar más por la certeza.