Odkrycie japońskich naukowców. To zwiększa ryzyko aż 12 nowotworów

• Naukowcy z Uniwersytetu Tokijskiego wykazali związek insulinooporności z 12 nowotworami na podstawie danych 500 tys. osób.
• Narzędzie AI-IR przewiduje insulinooporność z dziewięciu rutynowych parametrów medycznych, skuteczniej niż samo BMI.
• Autorzy mówią o silnie zwiększonym ryzyku sześciu nowotworów, m.in. trzustki, jelita grubego i piersi.

Badacze z Uniwersytetu Tokijskiego pokazali, że insulinooporność może istotnie podnosić ryzyko rozwoju 12 typów nowotworów. Do wniosków doszli dzięki sztucznej inteligencji, analizując dane ok. 500 tys. uczestników UK Biobank. Jak podaje Polska Agencja Prasowa, zespół opracował narzędzie AI-IR, które ocenia insulinooporność na bazie dziewięciu standardowych parametrów klinicznych, możliwych do zbadania podczas zwykłej kontroli.

Główny fakt z pracy opublikowanej w "Nature Communications" dotyczy skali ryzyka: naukowcy wyróżnili sześć nowotworów o silnie podwyższonym ryzyku (macicy, nerek, przełyku, trzustki, jelita grubego oraz piersi) oraz sześć o ryzyku nominalnie wyższym (miedniczki nerkowej, jelita cienkiego, żołądka, wątroby i pęcherzyka żółciowego, białaczka oraz oskrzeli i płuc). Według autorów AI-IR wykrywa insulinooporność trafniej niż szeroko stosowane BMI, które bywa mylące.

Rozwijając wątek, badacze wskazują, że sam wskaźnik masy ciała może generować wyniki fałszywie dodatnie i fałszywie ujemne. Otyłość nie zawsze oznacza zaburzenia metaboliczne, a osoby z prawidłowym BMI mogą mieć insulinooporność. To uzasadnia potrzebę narzędzi łączących różne parametry kliniczne w spójny wynik, co robi AI-IR.

Choć już wcześniej sugerowano istnienie związku między insulinoopornością a nowotworami, brakowało silnych dowodów [...] Jednak dzięki AI-IR dostarczyliśmy pierwszych dowodów obejmujących całą populację - wyjaśnił Yuta Hiraike, współautor badania.

Zespół podkreśla praktyczność narzędzia: dziewięć danych potrzebnych do AI-IR pochodzi ze standardowych badań kontrolnych, więc system można potencjalnie wdrożyć na szeroką skalę. To otwiera drogę do wcześniejszej identyfikacji osób z grupy wysokiego ryzyka nie tylko raka, ale też cukrzycy i chorób układu krążenia. "Bezpośrednie badanie insulinooporności jest po prostu niepraktyczne [...] AI-IR daje więc solidną i łatwą do wdrożenia na dużą skalę alternatywę" - zaznaczył dr Hiraike.

Kontekst kliniczny ma znaczenie: bezpieczne, nieinwazyjne i tanie wskaźniki ułatwiają kwalifikację do pogłębionej diagnostyki. Według autorów to właśnie łączenie parametrów w jeden wynik poprawia czułość i specyficzność wykrywania.

Dzięki połączeniu dziewięciu parametrów klinicznych w jeden wynik, AI-IR potrafi wykryć insulinooporność tam, gdzie samo BMI zawodzi - dodał naukowiec, zapowiadając prace nad wpływem różnic genetycznych na ryzyko.

Autorzy planują integrację danych populacyjnych z biologią molekularną, aby opracować skuteczniejsze metody radzenia sobie z insulinoopornością. Podkreślają, że AI-IR nie zastępuje diagnostyki, ale może ułatwić kierowanie pacjentów na badania celowane. Przy rosnącej częstości insulinooporności, związanej m.in. z dietą i brakiem ruchu, takie narzędzia mogą wspierać systemy ochrony zdrowia we wczesnym wykrywaniu ryzyka nowotworów.

W publikacji zwrócono uwagę, że standardowe miary oparte na masie ciała nie oddają złożoności zaburzeń metabolicznych. Proponowane rozwiązanie ma odpowiedzieć na to ograniczenie i pomóc w lepszej stratyfikacji pacjentów w dużych populacjach. To krok w stronę bardziej precyzyjnej profilaktyki i planowania opieki.

Źródło: PAP