Insulinooporność to zaburzenie, w którym organizm nie reaguje prawidłowo na insulinę – hormon odpowiedzialny za regulację stężenia glukozy we krwi. Dotychczas kojarzona była przede wszystkim z cukrzycą typu 2, chorobami układu krążenia oraz uszkodzeniem nerek i wątroby. Nowa analiza rozszerza ten kontekst o ryzyko onkologiczne.
Insulinooporność zwiększa ryzyko nowotworów – wyniki badania w „Nature Communications”
Zespół naukowców z Uniwersytetu Tokijskiego opublikował w „Nature Communications” pracę wskazującą, że insulinooporność jest powiązana ze zwiększonym ryzykiem rozwoju 12 nowotworów. Analiza objęła dane około 500 tysięcy uczestników projektu UK Biobank. W badaniu wykorzystano autorskie narzędzie oparte na sztucznej inteligencji, które pozwoliło oszacować poziom insulinooporności w populacji bez konieczności wykonywania specjalistycznych testów diabetologicznych.
12 nowotworów związanych z insulinoopornością w analizie UK Biobank
Badacze wykazali silnie zwiększone ryzyko sześciu nowotworów: macicy, nerek, przełyku, trzustki, jelita grubego oraz piersi. Insulinooporność a rak jelita grubego, insulinooporność a rak piersi i insulinooporność a rak trzustki znalazły się wśród najbardziej wyraźnych zależności.
Dodatkowo odnotowano nominalnie podwyższone ryzyko nowotworów miedniczki nerkowej, jelita cienkiego, żołądka, wątroby i pęcherzyka żółciowego, białaczki oraz nowotworów oskrzeli i płuc. Skala analizy, obejmująca pół miliona osób, pozwoliła na ocenę zależności w ujęciu populacyjnym.
AI-IR narzędzie do wykrywania insulinooporności opracowane przez Yutę Hiraike
Kluczową rolę w badaniu odegrało narzędzie AI-IR, stworzone przez zespół kierowany przez Yutę Hiraike. System wykorzystuje dziewięć parametrów klinicznych uzyskiwanych podczas rutynowych badań kontrolnych, aby przewidzieć obecność insulinooporności.
„Niedawno stworzyliśmy narzędzie o nazwie AI-IR, które pozwala przewidzieć insulinooporność na podstawie dziewięciu różnych danych medycznych. Okazało się to sukcesem, co podsunęło nam myśl, że moglibyśmy wykorzystać to rozwiązanie także w innych kwestiach” – mówi Yuta Hiraike.
Badacz podkreśla, że wcześniejsze doniesienia o związku między insulinoopornością a nowotworami nie obejmowały tak szerokich danych populacyjnych. „Choć już wcześniej sugerowano istnienie związku między insulinoopornością a nowotworami, brakowało silnych dowodów ze względu na to, jak trudne jest badanie insulinooporności w warunkach klinicznych. Jednak dzięki AI-IR dostarczyliśmy pierwszych dowodów obejmujących całą populację, które potwierdzają, że insulinooporność faktycznie jest czynnikiem ryzyka raka”.
Insulinooporność a BMI – błędy diagnostyczne i ograniczenia tradycyjnych wskaźników
W praktyce klinicznej insulinooporność bywa szacowana na podstawie wskaźnika BMI. Jednak, jak wskazują autorzy, podejście to jest obarczone ryzykiem błędów. Część osób z otyłością nie doświadcza istotnych zaburzeń metabolicznych, podczas gdy osoby z prawidłowym BMI mogą zmagać się z insulinoopornością.
„W porównaniu z bezpośrednimi pomiarami insulinooporności w grupach testowych, AI-IR uzyskało świetne wyniki pod kątem trafności przewidywań. Bezpośrednie badanie insulinooporności jest po prostu niepraktyczne – poza przypadkami, gdy pacjenci leczą się w specjalistycznych klinikach diabetologicznych. AI-IR daje więc solidną i łatwą do wdrożenia na dużą skalę alternatywę dla badania tego problemu w całych populacjach” – podkreśla dr Hiraike.
Insulinooporność a ryzyko raka – kierunki dalszych badań
Autorzy pracują nad analizą wpływu różnic genetycznych na ryzyko związane z insulinoopornością. „Dzięki połączeniu dziewięciu parametrów klinicznych w jeden wynik, AI-IR potrafi wykryć insulinooporność tam, gdzie samo BMI zawodzi i nie daje pełnego obrazu. Teraz pracujemy nad zrozumieniem, jak różnice genetyczne wpływają na to ryzyko. Naszym ostatecznym celem jest połączenie tych masowych danych z badaniami nad biologią molekularną, żeby stworzyć lepsze sposoby na radzenie sobie z insulinoopornością” – wyjaśnia naukowiec.
Wyniki opublikowane w „Nature Communications” wskazują, że insulinooporność a ryzyko raka to zagadnienie wykraczające poza klasyczne powikłania metaboliczne. Wykorzystanie sztucznej inteligencji w medycynie pozwala na analizę zależności w skali całych populacji i może w przyszłości wspierać profilaktykę onkologiczną oraz identyfikację grup wysokiego ryzyka.
