Un modelo de aprendizaje automático que predice la resistencia a la insulina sugiere una relación con el cáncer.
La resistencia a la insulina –cuando el cuerpo no responde adecuadamente a la insulina, una hormona que ayuda a controlar los niveles de glucosa en sangre– es una de las causas fundamentales de la diabetes. Además de la diabetes, se sabe ampliamente que la resistencia a la insulina puede conducir a enfermedades cardiovasculares, renales y hepáticas. Si bien la resistencia a la insulina está estrechamente asociada con la obesidad, ha sido difícil evaluar la resistencia a la insulina en la clínica. Por primera vez, investigadores, incluyendo a los de la Universidad de Tokio (Japón), aplicaron un modelo de predicción basado en aprendizaje automático de la resistencia a la insulina a medio millón de participantes del UK Biobank y demostraron que la resistencia a la insulina es un factor de riesgo para 12 tipos de cáncer.
La diabetes es una preocupación común en todo el mundo. Su conexión con la resistencia a la insulina es un concepto familiar para muchos, pero lo que es menos conocido es que la resistencia a la insulina también se sugiere como un factor de riesgo para varios tipos de cáncer. Sin embargo, el cuerpo humano es algo complejo, y determinar conexiones causales entre enfermedades y problemas dentro del cuerpo está lejos de ser fácil. Los investigadores médicos exploran diferentes formas de buscar estas conexiones, y una herramienta cada vez más común en su arsenal es la inteligencia artificial, en particular el aprendizaje automático.
Yuta Hiraike, un investigador del Hospital Universitario de Tokio, y su equipo han utilizado con éxito una herramienta de aprendizaje automático que crearon para demostrar una relación entre la resistencia a la insulina y varios tipos de cáncer.
“Recientemente creamos una herramienta, AI-IR, para predecir la resistencia a la insulina en individuos basándose en nueve piezas diferentes de información médica. Demostró ser exitosa y nos hizo pensar que podríamos aplicar esta herramienta a preocupaciones relacionadas”, comentó Hiraike.
“Si bien se ha sugerido una posible relación entre la resistencia a la insulina y el cáncer, la evidencia a gran escala ha sido limitada debido a la dificultad de evaluar la resistencia a la insulina en la clínica. Pero con AI-IR, hemos proporcionado la primera evidencia a nivel de población de que la resistencia a la insulina es un factor de riesgo para el cáncer. Y dado que los nueve parámetros de entrada para AI-IR se obtienen a través de chequeos médicos estándar, AI-IR podría implementarse fácilmente para identificar a individuos de alto riesgo y permitir un cribado enfocado de diabetes, enfermedades cardiovasculares y cáncer.”
Una prueba de sangre puede identificar con precisión diferentes tipos de cáncer de mama e identificar cambios a lo largo del tiempo, lo que permite que los pacientes se adapten al tratamiento correcto sin necesidad de una biopsia.
Actualmente, es común que el índice de masa corporal (IMC), una medida de la grasa corporal, prediga la resistencia a la insulina de un individuo y su susceptibilidad relacionada al cáncer. Sin embargo, esto puede generar falsos positivos, donde algunas personas obesas se consideran metabólicamente sanas y no sufren los efectos negativos de la obesidad en la misma medida que otras, y falsos negativos, donde personas con un IMC ideal terminan sufriendo resistencia a la insulina o problemas relacionados que suelen estar asociados con la obesidad.
Parte del desafío que enfrentaron Hiraike y su equipo fue convencer a los revisores del artículo de que AI-IR podía superar estas deficiencias de manera confiable y repetible. Afortunadamente, demostraron no solo su poder predictivo, sino también que su modelo es robusto en diversas condiciones.
“Cuando se comparó con la resistencia a la insulina medida directamente en conjuntos de datos de validación, AI-IR logró un fuerte rendimiento predictivo. Medir directamente la resistencia a la insulina es poco práctico, excepto cuando los pacientes son tratados en clínicas especializadas en diabetes. AI-IR proporciona una alternativa robusta y escalable para evaluar la resistencia a la insulina a nivel de población”, continuó Hiraike.
“Al combinar nueve parámetros clínicos en una sola métrica, AI-IR puede detectar la resistencia a la insulina que el IMC por sí solo no puede explicar. Ahora estamos trabajando para comprender cómo las diferencias genéticas entre individuos influyen en este riesgo y, en última instancia, para vincular datos humanos a gran escala con estudios de biología molecular para desarrollar mejores estrategias para superar la resistencia a la insulina.”
Este artículo ha sido republicado a partir de los siguientes materiales. El material ha sido editado para acortarlo y adaptarlo al estilo de la casa. Para obtener más información, póngase en contacto con la fuente citada. Nuestra política de publicación de comunicados de prensa puede consultarse aquí.
