Die Präeklampsie, gekennzeichnet durch arteriellen Bluthochdruck in Verbindung mit Proteinurie, ist eine Schwangerschaftskomplikation, die meist nach der zwanzigsten bis fünfundzwanzigsten Schwangerschaftswoche auftritt. Sie stellt eine wesentliche Ursache für Morbidität und Mortalität dar, sowohl für die Mutter als auch für den Fötus, und betrifft schätzungsweise 5 bis 7 % der Schwangerschaften weltweit, wobei sie jährlich für mehr als 70 000 mütterliche Todesfälle und 500 000 fötale Todesfälle verantwortlich ist. In Frankreich wurden im Zeitraum 2010–2016 etwa 5,2 % der Schwangerschaften durch eine Gestationshypertonie und 2 % durch eine Präeklampsie oder Eklampsie kompliziert. Die derzeitigen Methoden der Früherkennung, insbesondere jene, die auf dem kombinierten Nachweis von Biomarkern wie sFLT1, sEng und PlGF beruhen, sind noch verbesserungsbedürftig, da ihre prädiktive Leistung mit fortschreitender Schwangerschaft abnimmt. In diesem Zusammenhang wurde nach einem Ansatz gesucht, der eine frühere Diagnose ermöglicht.
Der Peroxisom-Proliferator-aktivierte Rezeptor vom Typ γ (PPARγ) spielt eine wesentliche Rolle bei der Plazentaentwicklung, und einige seiner Einzelnukleotid-Polymorphismen (SNP) wurden mit einer erhöhten Anfälligkeit für Schwangerschaftspathologien in Verbindung gebracht. Die Studie befasste sich mit drei SNP von PPARγ – Pro12Ala, C1431T und C681G – kombiniert mit neun klinischen Faktoren, ausgehend von den Daten von 1 648 Frauen aus der EDEN-Kohorte, von denen 35 eine präeklamptische Schwangerschaft und 1 613 eine normale Schwangerschaft aufwiesen. Die Genotypisierung erfolgte anhand der aus Leukozyten extrahierten DNA nach zwei Techniken (Hybridisierungssonden am LightCycler und anschließend TaqMan-Verfahren), mit einer Erfolgsrate von über 98 % für jeden der drei SNP.
Die univariate Analyse identifizierte den SNP C1431T als einzigen Faktor, der signifikant mit der Präeklampsie assoziiert war (p < 0,05), mit einem Odds Ratio zwischen 4,90 und 8,75 (95-%-Konfidenzintervall). Parallel dazu ergaben drei Methoden der multivariaten Variablenauswahl sieben potenzielle Prädiktoren: die mütterlichen Varianten C1431T und C681G, die Adipositas, den Body-Mass-Index, die Anzahl der Schwangerschaften, die Primiparität, das Rauchen und das Bildungsniveau. Diese sieben Variablen dienten dem Training von acht Algorithmen des maschinellen Lernens. Das auf verstärkten Entscheidungsbäumen (Boost Tree) beruhende Modell erwies sich als das leistungsfähigste, mit einer Genauigkeit und einer Fläche unter der ROC-Kurve von 0,971 und 0,991 im Trainingsdatensatz sowie von 0,951 und 0,701 im Testdatensatz. Ausgehend von diesem Modell erstellten die Autoren einen Entscheidungsbaum, der die signifikante Assoziation der Variante C1431T von PPARγ mit der Anfälligkeit für Präeklampsie bestätigte. Ihrer Ansicht nach könnte dieses Instrument zur Früherkennung von Risikoschwangerschaften bereits in den allerersten Stadien beitragen und als Entscheidungshilfe in der klinischen Praxis dienen.