Aleatorización mendeliana

La aleatorización mendeliana es un método de inferencia causal que usa la variación genética asociada a una exposición modificable para estimar si esa exposición causa realmente un desenlace de salud. El objetivo declarado del método es reducir el sesgo por confusión y por causalidad inversa, que son las dos cosas que impiden que un estudio observacional demuestre nada.

El truco está en dónde ocurre el azar. Cuando se forman los gametos, las variantes genéticas se reparten entre los descendientes de forma aleatoria e independiente de casi todo lo demás. Nadie decide qué versión de un gen te toca, no depende de tu clase social, ni de si fumas, ni de tu dieta. Es un sorteo, y ocurrió antes de que tuvieras hábitos.

Si encuentras una variante que, por ejemplo, hace que una persona tenga toda la vida el colesterol LDL algo más bajo, puedes comparar a quienes la llevan con quienes no. Esa comparación se parece mucho a un ensayo clínico: dos grupos asignados al azar, uno con menos exposición que el otro, seguidos durante décadas. La diferencia es que el sorteo lo hizo la meiosis y no un comité.

De ahí el nombre y de ahí la metáfora que se usa siempre: es el ensayo aleatorizado de la naturaleza. La metáfora es útil y también es la fuente de casi todos los malentendidos, porque el parecido con un ensayo clínico es real pero parcial, y las diferencias importan tanto como los parecidos. Las veremos.

Casi todo lo que sabemos sobre dieta, ejercicio y hábitos viene de estudios observacionales: se sigue a mucha gente, se mide lo que hace y se mira quién enferma. El problema es que ese diseño tiene dos venenos que no se pueden neutralizar del todo.

El primero es la confusión. Si observas que quienes toman una copa de vino al día viven más, ¿es el vino? ¿O es que quien bebe con moderación suele tener más ingresos, más red social, mejor acceso sanitario y menos consumo de tabaco? Los estudios ajustan por lo que pueden medir, pero ajustar no es aleatorizar: siempre queda confusión residual, y sobre todo queda la que ni siquiera se ha medido.

El segundo es la causalidad inversa. Observas que la gente con testosterona baja se muere más, y concluyes que la testosterona baja mata. Pero podría ser al revés: estar enfermo baja la testosterona. La flecha causal apunta en la dirección contraria y el estudio observacional no distingue una cosa de la otra. Es exactamente el nudo que analizamos en la entrada de testosterona baja y mortalidad.

La aleatorización mendeliana esquiva los dos de golpe por la misma razón. Tus variantes genéticas se fijaron en la concepción, así que no pueden haber sido causadas por tu enfermedad ni por tu nivel de ingresos. La flecha solo puede ir en una dirección, y el reparto fue aleatorio. Por eso el método es el mejor contrapeso disponible cuando hay una asociación observacional persistente que nadie consigue explicar.

El método no funciona con cualquier variante. Para que una variante genética sirva de instrumento válido tienen que cumplirse tres supuestos, y los tres son verificables solo en parte, que es de donde vienen casi todos los problemas.

El primero es la relevancia: la variante tiene que asociarse de forma robusta con la exposición que estudias. Si la asociación es débil, el instrumento es débil y la estimación se vuelve ruidosa y sesgada. Este supuesto sí se puede comprobar directamente con los datos.

El segundo es la independencia: la variante no puede estar asociada con factores que confundan la relación entre exposición y desenlace. Aquí ya entra la población: si mezclas grupos ancestrales distintos, una variante puede asociarse a un desenlace simplemente porque marca un origen geográfico que trae consigo otras cosas.

El tercero es la restricción de exclusión, y es el difícil: la variante solo puede afectar al desenlace a través de la exposición estudiada, y por ninguna otra vía. Este supuesto es en principio imposible de demostrar. Se puede argumentar, se puede someter a análisis de sensibilidad, pero no se puede probar. Cuando leas una crítica seria a un estudio de aleatorización mendeliana, nueve de cada diez veces será sobre este punto.

La consecuencia práctica es sencilla y sirve de filtro: un estudio que no explique cómo eligió sus variantes y qué hizo para defender estos tres supuestos no está en condiciones de ser evaluado, y por tanto tampoco de ser creído.

Durante décadas, el HDL fue el colesterol bueno. La epidemiología era consistente y contundente: cuanto más alto el HDL, menos infartos. Se midió en analíticas rutinarias, se convirtió en objetivo terapéutico y la industria invirtió mucho dinero en fármacos que lo subieran.

La aleatorización mendeliana hizo la pregunta directa: las personas que por genética tienen el HDL más alto toda la vida, ¿tienen menos infartos? La respuesta fue no. Las variantes que elevan el HDL no se traducían en menos enfermedad coronaria, mientras que la asociación observacional seguía ahí, intacta y engañosa.

La interpretación que sobrevivió es que el HDL alto es un marcador de otras cosas, no una palanca. Va acompañado de menos resistencia a la insulina, menos triglicéridos, más actividad física y menos adiposidad visceral, y son esas cosas las que protegen. Subir el HDL con un fármaco es como adelantar las manecillas del reloj para llegar antes.

Lo que ocurrió después es la parte que hace del caso una lección y no una anécdota: los ensayos clínicos con fármacos que subían el HDL fallaron, uno detrás de otro. La aleatorización mendeliana lo había anticipado. Es el episodio que convirtió al método en herramienta de primera línea y el que explica por qué en prevención cardiovascular de precisión distinguimos entre marcador y diana como primera operación, antes que ninguna otra.

El reverso del caso anterior es igual de instructivo, porque el mismo método que tumbó el HDL confirmó lo contrario para el LDL, y eso es lo que distingue una herramienta de un martillo escéptico.

Las variantes genéticas que hacen que una persona tenga el colesterol LDL más bajo durante toda su vida se asocian con menos enfermedad coronaria, y con una magnitud coherente con lo que después demostraron los ensayos con estatinas y con inhibidores de PCSK9. Aquí la epidemiología, la genética y los ensayos apuntan al mismo sitio, que es la situación en la que uno puede fiarse.

Este caso trajo además un hallazgo que ha cambiado la práctica clínica: el efecto de bajar el LDL depende de durante cuánto tiempo ha estado bajo, no solo de cuánto. Una reducción modesta sostenida desde la juventud rinde mucho más que una reducción grande empezada tarde. La exposición acumulada es lo que cuenta, y esa idea salió de la genética antes que de la clínica.

De ahí se deriva buena parte del marco que usamos al hablar de apoB y Lp(a), y también el interés por dianas identificadas por vía genética como las que revisamos en ApoC3 y ANGPTL3. Cuando una diana tiene detrás una señal mendeliana limpia, la probabilidad de que el fármaco funcione sube de forma apreciable, y la industria lo sabe y lo usa para priorizar.

El fallo canónico es la pleiotropía horizontal: la variante influye en el desenlace por una vía que no pasa por la exposición estudiada. Un gen rara vez hace una sola cosa, y si el que usas como instrumento afecta a la vez a tres sistemas, atribuir el efecto entero a la exposición que te interesa es un error.

Existen métodos para detectarla y acotarla, como los estimadores robustos a pleiotropía y la mediana ponderada, y una buena práctica es la colocalización, que comprueba si la señal genética de la exposición y la del desenlace vienen realmente de la misma variante o de dos vecinas que viajan juntas. Que existan estas herramientas es buena noticia; que se apliquen y se reporten es otra cuestión.

Los otros modos de rotura son menos glamurosos y igual de frecuentes. Los instrumentos débiles, cuando la variante explica muy poca varianza de la exposición, sesgan la estimación hacia la asociación observacional, que es justo el sesgo del que uno quería escapar. La estratificación poblacional mete confusión por ancestro. Y el solapamiento de muestras entre los dos conjuntos de datos que se usan amplifica ese mismo sesgo.

Hay además un fallo interpretativo que no es del método sino del lector, y conviene nombrarlo. La ausencia de señal no demuestra ausencia de causa. Si la exposición actúa por una vía que las variantes disponibles no capturan bien, o si el efecto es pequeño y el estudio no tiene potencia, el resultado sale nulo sin que eso signifique nada. Un resultado negativo debilita una hipótesis, no la mata.

Este es el malentendido más caro y el que conviene interiorizar antes que ningún otro, porque afecta a cómo se lee cualquier resultado del método.

La aleatorización mendeliana estima el efecto de una exposición mantenida desde la concepción hasta el final. Es un efecto acumulado durante toda la vida, con el organismo adaptándose desde el desarrollo embrionario. Un ensayo clínico, en cambio, estima el efecto de una intervención aplicada durante tres o cinco años en adultos que ya han vivido lo que han vivido.

No son la misma pregunta y no tienen por qué dar la misma respuesta. El caso del LDL lo ilustra en positivo: la magnitud del beneficio por unidad de reducción es mucho mayor en el análisis genético que en los ensayos, y no porque los ensayos estén mal, sino porque cincuenta años de exposición más baja no equivalen a cinco.

De ahí salen dos errores simétricos que se cometen constantemente. Uno es sobreestimar: leer que las variantes que reducen una exposición protegen y concluir que tomar un suplemento que la reduce protegerá igual. El otro es infraestimar: leer que no hay señal genética y concluir que una intervención en adultos no serviría, cuando el mecanismo podría operar solo en un momento concreto de la vida.

La regla práctica que se deriva es la que aplicamos en todo el catálogo: la aleatorización mendeliana responde si merece la pena hacer el ensayo, no lo que el ensayo va a encontrar. Es un método para priorizar preguntas, no para contestarlas del todo.

Hay una parte de esta historia que la divulgación no cuenta y que ha cambiado bastante el cuadro en los últimos años: el método se ha democratizado, y no siempre para bien.

Hacer un estudio de aleatorización mendeliana ya no requiere recoger datos propios. Con estadísticos resumidos de estudios de asociación de genoma completo, disponibles públicamente, y plataformas que automatizan el análisis, cualquiera con conocimientos moderados puede producir uno en poco tiempo. El número de publicaciones ha crecido de forma exponencial en la última década.

El problema es que la calidad del reporte no ha acompañado. Una revisión sistemática de estudios de aleatorización mendeliana en oncología encontró que la calidad de reporte era en general pobre: solo el 44 por ciento de los estudios aportaba detalle suficiente para evaluar si la variante se asociaba realmente con la exposición, que es el supuesto más básico de los tres, y solo el 31 por ciento permitía valorar el supuesto de independencia. Y no se detectó mejora con el paso del tiempo.

Traducido a lo que a ti te importa: cuando veas un titular que empieza por «un estudio genético demuestra que», la probabilidad de que ese estudio no haya reportado lo necesario para ser evaluado es mayor que la de que sí lo haya hecho. La etiqueta «aleatorización mendeliana» se ha convertido en un sello de rigor que muchas veces no está respaldado por el trabajo que hay debajo.

Esto no invalida el método, del mismo modo que la existencia de ensayos clínicos mal hechos no invalida los ensayos clínicos. Lo que hace es trasladarte a ti la carga de mirar el estudio, no la etiqueta.

La respuesta de la comunidad a ese problema tiene nombre, y sirve como lista de comprobación aunque no seas investigador.

STROBE-MR es la guía de reporte específica para estudios de aleatorización mendeliana. Se desarrolló bajo el marco EQUATOR, partiendo de la guía STROBE para estudios observacionales, en un proyecto iniciado en 2018 que culminó en un taller con 17 expertos entre metodólogos del método, usuarios del diseño, desarrolladores de guías previas y editores de revistas. El resultado es una lista de 20 ítems y 30 subítems, publicada junto a un documento de explicación y elaboración que detalla cada punto con ejemplos.

Lo relevante para un lector no técnico es qué exige. La guía pide que se describan la medición, la calidad y la selección de las variantes genéticas, que se reporten los intentos de evaluar la validez de los supuestos específicos del método, y que se indique dónde pueden consultarse los datos y el código necesarios para replicar el análisis. Es decir, pide exactamente las tres cosas que la revisión de calidad encontró ausentes.

Y ahora la contrapartida, porque una lista de comprobación puede convertirse en su propio teatro. Un análisis publicado en BMC Medicine advierte de que marcar más casillas no significa que el estudio sea mejor: los autores pueden reportar mal los supuestos de los análisis de sensibilidad o usar unidades equivocadas para la exposición, y un estudio creíble sigue exigiendo un diseño cuidadoso que ninguna lista garantiza.

Con eso, la posición sensata queda clara: la ausencia de STROBE-MR es una señal de alarma útil, y su presencia no es un sello de calidad. Sirve para descartar rápido, no para aprobar.

Este método no es teoría abstracta en krece.io: es la herramienta que decide varias posiciones editoriales del catálogo, y verlas juntas ayuda a entender qué puede y qué no.

En salud periodontal y riesgo cardiovascular es el contrapeso central. La asociación entre encías inflamadas y enfermedad cardiovascular es robusta y está reconocida por consenso internacional, pero las revisiones de estudios mendelianos no encuentran evidencia de causalidad genética. Eso empuja la explicación hacia el confundidor compartido y es la razón por la que allí no afirmamos protección cardiovascular.

En testosterona baja y mortalidad el problema es de dirección de la flecha, que es el segundo veneno. En alcohol y esperanza de vida, la aproximación genética es lo que desarma la curva en J y la famosa protección de la copa diaria. Y en homocisteína tenemos el patrón completo: marcador asociado, mecanismo plausible, intervención que baja el marcador y ensayos que no reducen eventos.

Hay también casos donde el método no puede ayudarte, y conviene decirlo. En telómeros o en el fenotipo de hiper respondedor de masa magra, la exposición de interés es dinámica, dependiente del contexto o rara, y ahí las variantes genéticas disponibles no son un buen instrumento.

El patrón, visto en conjunto, es el que sostiene nuestra metodología de evaluación: cuando epidemiología, genética y ensayos coinciden, se puede afirmar. Cuando la genética contradice a la epidemiología, la epidemiología suele estar viendo un reflejo. Y cuando solo hay epidemiología, no hay caso.

Lo esencial: un resultado de aleatorización mendeliana no es una recomendación clínica y no debería usarse para empezar ni para dejar ningún tratamiento. Estima efectos poblacionales de exposiciones mantenidas de por vida, no lo que te conviene a ti este año. Cualquier decisión sobre fármacos o suplementos se toma con tu médico y con evidencia de intervención.

Lo que el método no puede darte, en concreto: no te da efectos individuales, sino promedios de población. No te dice si una intervención funciona a la edad a la que la empezarías. No cubre exposiciones sin buen instrumento genético, que son muchas de las que más te interesan, empezando por casi todo lo relacionado con hábitos complejos. Y no arbitra bien cuando el efecto es pequeño y la potencia es limitada.

Para leer un titular con genética detrás, tres preguntas bastan. La primera: ¿qué exposición han instrumentado exactamente? A menudo no es la que dice el titular, sino un proxy medible que se le parece. La segunda: ¿han comprobado la pleiotropía? Si el resumen no menciona ningún análisis de sensibilidad, trátalo como preliminar. La tercera: ¿coincide con los ensayos? Si genética y ensayos apuntan al mismo sitio, la afirmación es fuerte; si se contradicen, el titular está eligiendo el que le conviene.

Y el reflejo que ahorra dinero: cuando alguien te venda un suplemento apoyándose en que un estudio genético demuestra que cierta molécula o marcador causa cierta cosa, esa frase no significa que tomar el suplemento vaya a hacer nada. Significa, como mucho, que merecería la pena estudiarlo. La distancia entre esas dos afirmaciones es donde vive casi todo el negocio.