Modelo de Aprendizaje Automático Vincula la Resistencia a la Insulina con 12 Tipos de Cáncer

Investigadores han demostrado por primera vez que la resistencia a la insulina es un factor de riesgo para 12 tipos de cáncer utilizando un modelo de predicción basado en aprendizaje automático aplicado a medio millón de participantes del UK Biobank. La herramienta, llamada AI-IR, predice la resistencia a la insulina en individuos basándose en nueve piezas diferentes de información médica obtenidas a través de chequeos de salud estándar, proporcionando la primera evidencia a escala poblacional de la conexión entre la resistencia a la insulina y el cáncer.

El equipo de investigación utilizó con éxito su herramienta de aprendizaje automático para probar un vínculo entre la resistencia a la insulina y varios tipos de cáncer. Si bien se ha sugerido una posible conexión 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. Con AI-IR, los investigadores han proporcionado la primera evidencia a escala poblacional de que la resistencia a la insulina es un factor de riesgo para el cáncer.

AI-IR podría implementarse fácilmente para identificar individuos de alto riesgo y permitir un cribado enfocado de diabetes, enfermedades cardiovasculares y cáncer. 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 donde los pacientes son tratados en clínicas especializadas de diabetes, pero AI-IR proporciona una alternativa robusta y escalable para evaluar la resistencia a la insulina a escala poblacional.

Al combinar nueve parámetros clínicos en una sola métrica, AI-IR puede detectar resistencia a la insulina que el índice de masa corporal (IMC) por sí solo no puede explicar. Actualmente, el IMC se utiliza comúnmente para predecir la resistencia a la insulina de un individuo y la susceptibilidad a cánceres relacionados, pero este enfoque tiene limitaciones con falsos positivos y falsos negativos. Los investigadores demostraron no solo el poder predictivo de AI-IR, sino también que su modelo es robusto bajo diversas condiciones.

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, es ampliamente conocido 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 sí misma en la clínica.

La investigación fue publicada en Nature Communications y fue apoyada por múltiples fuentes de financiación, incluido el Programa de Excelentes Jóvenes Investigadores de la Universidad de Tokio, la Agencia Japonesa de Investigación y Desarrollo Médico, la Sociedad Japonesa para la Promoción de la Ciencia y varias otras fundaciones. El equipo ahora está 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.