Medicina Personalizada y Biomarcadores: Aplicaciones Actuales y Futuras en Atención Primaria

La medicina personalizada, también conocida como medicina de precisión,  representa una de las transformaciones más significativas en el paradigma asistencial del siglo XXI. Este modelo se aleja del enfoque tradicional basado en estándares poblacionales, para centrarse en las particularidades biológicas, genéticas, ambientales y de estilo de vida de cada individuo. Su objetivo es ofrecer diagnósticos más certeros, tratamientos más eficaces y estrategias preventivas adaptadas a las características únicas de cada paciente .

En los últimos años, los avances tecnológicos en genómica, transcriptómica, metabolómica y en el análisis de grandes volúmenes de datos (big data), han permitido un desarrollo sin precedentes de esta disciplina. Si bien inicialmente su aplicación se limitaba a contextos hospitalarios y oncológicos, progresivamente se esta abriendo camino hacia el ámbito de la atención primaria, donde puede tener un importante impacto.

La atención primaria, al ser el primer nivel de contacto del paciente con el sistema de salud, juega un papel crucial en la prevención, el diagnóstico temprano y el manejo de enfermedades crónicas. Por tanto, la incorporación de herramientas de medicina personalizada en este nivel asistencial tiene un enorme potencial para mejorar la calidad de la atención, optimizar recursos y empoderar tanto al paciente como al profesional .

Este artículo tiene como propósito analizar el papel actual y futuro de la medicina personalizada y los biomarcadores en atención primaria, destacando su aplicación clínica, revisando las herramientas tecnológicas, las barreras de implementación, y el rol del médico de familia en la optimización de tratamientos y prevención

El concepto de medicina personalizada

La medicina personalizada, también conocida como medicina de precisión, es un enfoque médico innovador que adapta la atención sanitaria a las características individuales de cada paciente. Este modelo tiene en cuenta factores genéticos, biomarcadores moleculares, el entorno, el estilo de vida y las preferencias del paciente para diseñar estrategias de prevención, diagnóstico y tratamiento más eficaces y seguras. A diferencia del enfoque tradicional, que aplica tratamientos estándar a grupos amplios, la medicina personalizada busca una intervención médica ajustada a la biología única de cada persona.

Especialidades donde está más desarrollada

La medicina personalizada ha alcanzado mayor desarrollo en especialidades como:

• Oncología: Uso de biomarcadores como HER2, EGFR o BRCA para seleccionar tratamientos dirigidos.
• Hematología: Diagnóstico y pronóstico de leucemias mediante perfiles genómicos.
• Reumatología: Estratificación de pacientes con artritis reumatoide para terapias biológicas.
• Farmacología clínica: Aplicación de la farmacogenética para individualizar tratamientos.
• Neurología y psiquiatría: Incorporación progresiva de perfiles genéticos para tratar enfermedades como Alzheimer o depresión resistente.

Relevancia de la medicina personalizada en atención primaria

En atención primaria, la medicina personalizada cobra especial importancia por su papel en:

• Prevención de enfermedades: Identificación de pacientes en riesgo antes del inicio clínico de la enfermedad.
• Selección de tratamientos más seguros y efectivos, especialmente en enfermedades crónicas.
• Mejor seguimiento y monitorización de terapias mediante biomarcadores.
• Toma de decisiones compartidas, empoderando al paciente con información personalizada.

Este enfoque mejora la precisión diagnóstica, evita efectos adversos, optimiza recursos y promueve un modelo de salud centrado en la persona.

¿Qué son los biomarcadores?

Los biomarcadores son características biológicas que pueden medirse de forma objetiva y que permiten evaluar procesos fisiológicos normales, procesos patológicos o respuestas a intervenciones terapéuticas. Pueden ser moléculas, genes, proteínas, células u otros indicadores medibles presentes en sangre, tejidos o fluidos corporales .

Clasificación funcional de los biomarcadores

• Biomarcadores diagnósticos: Se utilizan para detectar o confirmar la presencia de una enfermedad. Ejemplo: La troponina en sangre, marcador sensible y específico para el diagnóstico de infarto agudo de miocardio .
• Biomarcadores pronósticos: Indican la probabilidad de evolución o desenlace de una enfermedad sin intervención terapéutica. Ejemplo: Niveles elevados de HER2 en cáncer de mama indican mayor agresividad tumoral y peor pronóstico, carga viral en hepatitis crónica .
• Biomarcadores predictivos: Informan sobre la probabilidad de respuesta a un tratamiento específico. Ejemplo: Mutaciones KRAS en cáncer colorrectal, mutaciones en EGFR en cáncer de pulmón no microcítico, útiles para seleccionar terapias dirigidas con inhibidores de tirosina quinasa.
• Biomarcadores de monitorización: Permiten evaluar la eficacia de un tratamiento o la evolución de una enfermedad. Ejemplo: La HbA1c se usa para controlar el control glucémico en pacientes con diabetes mellitus tipo 2 .

Estos biomarcadores son herramientas fundamentales en medicina personalizada, ya que permiten adaptar decisiones clínicas a las características específicas de cada paciente.

Biomarcadores actualmente utilizados en atención primaria

La atención primaria, como primer nivel de contacto del paciente con el sistema de salud, desempeña un papel clave en la prevención, diagnóstico temprano y seguimiento de enfermedades crónicas. En este contexto, diversos biomarcadores se han integrado en la práctica clínica habitual, mejorando la precisión y eficiencia de la atención.

Biomarcadores de uso clínico rutinario

• Glucosa en sangre y hemoglobina glucosilada (HbA1c): esenciales para el diagnóstico y control de la diabetes mellitus tipo 2.
• Colesterol total, LDL, HDL y triglicéridos: componentes del perfil lipídico que permiten estratificar el riesgo cardiovascular .
• Presión arterial: aunque no es un biomarcador molecular, es un parámetro fisiológico clave en la monitorización del riesgo cardiovascular.
• Antígeno prostático específico (PSA): utilizado en varones como cribado del cáncer de próstata, aunque con criterios clínicos bien establecidos para evitar sobrediagnóstico.
• Microalbuminuria: marcador temprano de daño renal, particularmente útil en pacientes con diabetes e hipertensión.

Biomarcadores inflamatorios y autoinmunes

• Proteína C reactiva (PCR) y velocidad de sedimentación globular (VSG): ayudan a detectar procesos inflamatorios agudos o crónicos.
• Recuento de eosinófilos en sangre, Fracción exhalada de Óxido Nítrico (FeNO): ayuda a guiar el tratamiento en pacientes con asma  .

Biomarcadores emergentes en integración

• Procalcitonina: utilizada para discernir entre infecciones bacterianas y virales, especialmente en infecciones respiratorias, con el objetivo de reducir el uso innecesario de antibióticos .
• Índice tobillo-brazo (ITB): biomarcador no molecular pero relevante en la detección precoz de enfermedad arterial periférica.
• Péptido natriurético tipo B (BNP): se está empezando a usar en atención primaria para evaluar pacientes con sospecha de insuficiencia cardíaca.
• La homocisteína:  un aminoácido cuyo aumento en sangre —condición conocida como hiperhomocisteinemia— se ha asociado de manera significativa con un mayor riesgo de enfermedades cardiovasculares y neurodegenerativas, incluyendo la enfermedad de Alzheimer (EA) .

Avances en farmacogenómica aplicables en atención primaría 

La farmacogenómica, disciplina que estudia cómo las variaciones genéticas individuales influyen en la respuesta a los medicamentos, está comenzando a tener un papel relevante en la atención primaria. Su implementación permite personalizar tratamientos, optimizar dosis y reducir efectos adversos. Cabe destacar las siguientes aplicaciones actuales en atención primaria:

• Clopidogrel y CYP2C19: Pacientes con variantes que reducen la función del CYP2C19 pueden no metabolizar eficazmente este antiagregante, lo que reduce su efectividad en prevención secundaria cardiovascular.
• Warfarina y VKORC1/CYP2C9: Estas variantes afectan la dosis requerida para una anticoagulación efectiva, permitiendo ajustar dosis desde el inicio y evitar riesgos de sangrado.
• Codeína y CYP2D6: Personas con metabolismo ultrarrápido o lento pueden experimentar toxicidad o ineficacia, lo que permite seleccionar alternativas seguras en el manejo del dolor.
• Antidepresivos ISRS y CYP2C19/CYP2D6: La respuesta a antidepresivos varía según el perfil genético del paciente, ayudando a elegir el fármaco adecuado desde el inicio del tratamiento.

Retos y perspectivas

Aunque el coste de estas pruebas ha disminuido, su implementación generalizada en atención primaria aún se enfrenta a barreras como la formación profesional, integración en sistemas electrónicos y acceso equitativo. No obstante, su potencial para transformar la prescripción personalizada desde el primer nivel asistencial es indiscutible.

Herramientas tecnológicas que están permitiendo esta evolución (genómica, metabolómica, inteligencia artificial)

La medicina personalizada está siendo impulsada por un conjunto de herramientas tecnológicas que han revolucionado la capacidad para comprender y tratar las enfermedades con una precisión sin precedentes. Entre estas, destacan la genómica, la metabolómica y la inteligencia artificial (IA).

Genómica

La genómica permite el análisis completo del ADN del individuo para identificar variantes genéticas asociadas a enfermedades o respuestas a fármacos. Técnicas como la secuenciación del genoma completo (WGS) o del exoma (WES) hacen posible detectar mutaciones responsables de patologías hereditarias y seleccionar tratamientos personalizados, particularmente en oncología y enfermedades raras.

Metabolómica

Esta disciplina estudia el conjunto de metabolitos presentes en fluidos corporales y tejidos, reflejando la actividad bioquímica del organismo en tiempo real. Su uso en atención primaria puede ayudar a identificar perfiles metabólicos de riesgo para enfermedades como diabetes tipo 2 o enfermedades cardiovasculares, antes de que se manifiesten clínicamente.

Inteligencia Artificial (IA)

La IA y el aprendizaje automático (machine learning) permiten analizar grandes volúmenes de datos clínicos, genómicos y ambientales, detectando patrones y generando modelos predictivos. Estas tecnologías potencian la toma de decisiones clínicas, mejoran la precisión diagnóstica y facilitan la personalización del tratamiento .

En conjunto, estas herramientas están redefiniendo los estándares de atención médica, acercando el concepto de medicina personalizada al contexto real de la práctica clínica

Limitaciones, dilemas éticos y barreras para la implementación en atención primaria

La implementación de la medicina personalizada en atención primaria se enfrenta una serie de retos estructurales, éticos y formativos que requieren una reflexión crítica para garantizar una integración efectiva y equitativa.

Limitaciones estructurales

• Infraestructura tecnológica insuficiente: La ausencia de sistemas informáticos capaces de integrar datos genómicos, clínicos y ambientales en tiempo real dificulta la aplicación práctica.
• Acceso desigual: La disponibilidad de biomarcadores y pruebas farmacogenéticas suele estar restringida a centros especializados, lo que profundiza la inequidad en el sistema de salud .

Barreras profesionales

• Falta de formación: Muchos médicos de familia no se sienten preparados para interpretar ni aplicar resultados genéticos o moleculares, lo que limita su uso clínico efectivo.
• Tiempo de consulta limitado: La práctica de la atención primaria requiere tiempo que muchas veces no está disponible para una discusión profunda sobre pruebas genéticas o tratamientos individualizados.

Dilemas éticos

• Privacidad y confidencialidad: El manejo de datos genómicos plantea riesgos de filtración y uso indebido.
• Consentimiento informado complejo: La comprensión por parte del paciente sobre los posibles resultados e implicaciones familiares de una prueba genética puede ser limitada.
• Discriminación genética: Existe el riesgo de uso indebido de la información genética por parte de aseguradoras o empleadores si no se protege adecuadamente.

La solución a estos desafíos exige una combinación de inversión en tecnología, formación médica continua, desarrollo de guías éticas claras y políticas públicas que promuevan la equidad y la protección de los datos sensibles.

Perspectivas futuras de integración de biomarcadores emergentes y algoritmos personalizados en enfermedades crónicas prevalentes

La evolución de la medicina personalizada en atención primaria apunta hacia una mayor integración de biomarcadores emergentes y algoritmos personalizados en el manejo de enfermedades crónicas como la hipertensión, la diabetes tipo 2 y los trastornos del ánimo, incluyendo la depresión y a la integración de la IA  .

Hipertensión arterial

Se están desarrollando perfiles genéticos que permiten identificar a pacientes con predisposición a hipertensión resistente al tratamiento. La combinación de estos biomarcadores con datos clínicos e históricos facilitará la selección individualizada de antihipertensivos y el ajuste dinámico de las dosis.

Diabetes tipo 2

La integración de biomarcadores metabolómicos y genéticos permitirá identificar subtipos de diabetes y predecir la progresión de la enfermedad. Algoritmos de aprendizaje automático podrán sugerir estrategias terapéuticas más eficaces basadas en respuestas moleculares previas, reduciendo complicaciones a largo plazo.

Depresión

En salud mental, la farmacogenómica y los biomarcadores de respuesta al estrés o inflamación están comenzando a utilizarse para optimizar la elección de antidepresivos, reducir el ensayo-error y mejorar la adherencia al tratamiento.

Enfermedad de Alzheimer

Aunque son mas utilizados en neurología estos biomarcadores están transformando el enfoque diagnóstico de la enfermedad Alzheimer hacia un modelo más objetivo y precoz, incluso antes de la aparición de síntomas clínicos evidentes.

• Homocisteína: Niveles elevados en sangre (por encima de 14 µmol/l) se asocian con un mayor riesgo de desarrollar Alzheimer y demencia vascular. Se considera un marcador pronóstico útil y fácilmente accesible.
• Beta-amiloide (Aβ42): Su disminución en líquido cefalorraquídeo (LCR) indica acumulación anormal en el cerebro, característica patológica de la EA.
• Proteína tau total (t-tau) y tau fosforilada (p-tau): Aumentan en el LCR de pacientes con EA, reflejando neurodegeneración y daño neuronal específico.
• Neurofilamento de cadena ligera (NfL): Biomarcador emergente detectable en sangre, útil para evaluar daño neuronal y progresión de la enfermedad.
• PET amiloide o tau: Pruebas de imagen que permiten visualizar directamente la acumulación de proteínas patológicas en el cerebro.

Papel de la inteligencia artificial

La IA permitirá integrar múltiples capas de información (genética, clínica, ambiental) para generar predicciones personalizadas y apoyar la toma de decisiones clínicas en tiempo real desde la atención  primaria.

Estas innovaciones prometen transformar la atención primaria en una plataforma predictiva, preventiva, personalizada y participativa (modelo P4), mejorando resultados clínicos y reduciendo costes del sistema de salud.

El rol del médico de familia en la medicina personalizada

El médico de familia desempeña un papel fundamental en la implementación de la medicina personalizada en el sistema de salud. Al ser el primer punto de contacto con los pacientes, tiene una visión integral y longitudinal de su estado de salud, entorno social, hábitos de vida y antecedentes familiares, lo cual es esencial para una atención verdaderamente personalizada. En este contexto sus funciones clave serian:

Prevención personalizada

Puede identificar factores de riesgo genéticos o biomarcadores en etapas tempranas y diseñar planes preventivos ajustados al perfil individual del paciente.

Selección de tratamientos

Podrá participar en la elección de tratamientos basados en farmacogenómica, optimizando resultados clínicos y reduciendo efectos adversos.

Educación y acompañamiento

Puede actuar como guía en la interpretación de información genética y en la toma de decisiones compartidas, clave para la adherencia al tratamiento y el empoderamiento del paciente.

Coordinación asistencial

Facilita la integración de la medicina personalizada con otros niveles asistenciales, garantizando continuidad y coherencia en el abordaje del paciente.

En definitiva, el médico de familia no solo podrá aplicar la medicina personalizada, sino que contribuirá activamente a humanizarla y adaptarla a las realidades de cada comunidad.

Conclusiones

• La medicina personalizada y el uso de biomarcadores están transformando la atención sanitaria, permitiendo un enfoque más preciso y eficaz para la prevención, diagnóstico y tratamiento de enfermedades.
• En atención primaria, los biomarcadores actualmente disponibles —como HbA1c, perfil lipídico, microalbuminuria, y marcadores genéticos específicos— ya están ayudando a optimizar la toma de decisiones clínicas.
• Las herramientas tecnológicas, como la genómica, metabolómica e inteligencia artificial, están acelerando la implementación de modelos predictivos y personalizados.
• Persisten desafíos significativos como barreras estructurales, desigualdad en el acceso, formación profesional insuficiente y dilemas éticos relacionados con la privacidad de los datos genéticos.
• El médico de familia tiene un rol central en la integración de esta medicina del futuro, gracias a su enfoque biopsicosocial, longitudinal y comunitario.
• La evolución hacia una atención más personalizada debe ser acompañada por políticas públicas inclusivas, formación continua y desarrollo de infraestructura tecnológica interoperable.

Recomendaciones

• Impulsar la formación específica en farmacogenómica y medicina personalizada para médicos de atención primaria.
• Establecer programas piloto de integración de biomarcadores emergentes en el primer nivel asistencial.
• Fomentar el uso ético y seguro de datos genómicos mediante normativas claras y participación del paciente.
• Promover la investigación en la utilidad clínica y coste-efectividad de biomarcadores en el entorno real de la atención primaria.

Bibliografía recomendada 

1. López-Campos JL, et al. Biomarcadores en la enfermedad pulmonar obstructiva crónica: situación actual y perspectivas futuras. Arch Bronconeumol. 2022;58(1):45-54.

2. Huddart R, et al. Implementing pharmacogenomics in Europe: design and deployment of the U-PGx intervention study. Eur J Hum Genet. 2021;29(8):1335–44.

3. Sanyaolu A, et al. The impact of biomarkers in the early detection and management of Alzheimer's disease. J Alzheimers Dis. 2020;75(4):1233–44.

4. Mazzuca F, et al. Artificial intelligence in precision medicine: current status and future perspectives. Int J Mol Sci. 2023;24(1):113.

5. Ruiz-Cantero MT, et al. Equidad y medicina personalizada: oportunidades y retos en la atención primaria. Aten Primaria. 2021;53(7):102089.

6. Schork NJ. Time for one-person trials. Nature. 2015;520(7549):609–11.

7. Bertier G, et al. Genetic testing in primary care: A systematic review. Genet Med. 2020;22(8):1392–401.

8. Abrahams E, et al. Realizing the potential of personalized medicine in the United States. Health Aff. 2022;41(3):356–64.

9. Lippi G, et al. Biomarkers in clinical medicine: the 2021 update. Clin Chem Lab Med. 2021;59(4):645–55.

10. Kalia M, et al. The role of digital biomarkers in clinical practice. Nat Rev Drug Discov. 2023;22(3):191–202.

Te pude interesar:

• Amilasa
• Exploraciones complementarias en reumatología
• Lactato deshidrogenasa (LDH)
• Gammaglutamil- transpeptidasa (G-GT)
• Lipasa
• Proteinograma