La resistencia a la insulina, cuando el cuerpo no responde adecuadamente a la insulina, hormona que ayuda a controlar los niveles de glucosa en sangre, es una de las causas fundamentales de la diabetes, y puede provocar otras enfermedades cardiovasculares, renales y hepáticas.
Aunque la resistencia a la insulina está estrechamente relacionada con la obesidad, es complicado evaluarla en la práctica clínica, pero ahora y por primera vez, un grupo de investigadores de la Universidad de Tokio, ha aplicado un modelo de predicción de la resistencia a la insulina basado en aprendizaje automático a medio millón de participantes del Biobanco del Reino Unido, demostrando que se trata de un factor de riesgo para nada menos que 12 tipos de cáncer.
La conexión de la diabetes con la resistencia a la insulina es un concepto familiar para muchos, pero lo que es menos conocido es que este tipo de resistencia también se sugiere como un factor de riesgo para varios tipos de cáncer.
Con todo, el cuerpo humano es complejo, y determinar las conexiones causales entre enfermedades y problemas corporales no es nada fácil. Por este motivo, los investigadores médicos han explorado diferentes maneras de buscar estas conexiones, y una herramienta cada vez más común en su arsenal es la Inteligencia Artificial (IA); y en particular el aprendizaje automático.
Yuta Hiraike, investigador del Hospital Universitario de Tokio, y su equipo, han utilizado con éxito una herramienta de aprendizaje automático que crearon para demostrar un vínculo entre la resistencia a la insulina y varios tipos de cáncer. En este sentido, el investigador ha señalado que “recientemente creamos una herramienta, AI-IR, para predecir la resistencia a la insulina en individuos basándonos en nueve datos médicos diferentes. Resultó exitosa y nos hizo pensar que podríamos aplicarla a problemas relacionados”.
Hiraike ha explicado que “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 escala poblacional de que la resistencia a la insulina es un factor de riesgo de cáncer. Y dado que los nueve parámetros de entrada de AI-IR se obtienen mediante chequeos médicos estándar, AI-IR podría implementarse fácilmente para identificar a individuos de alto riesgo y permitir la detección selectiva de diabetes, enfermedades cardiovasculares y cáncer”.
En la actualidad, es habitual 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 a cánceres relacionados. Sin embargo, esto conlleva falsos positivos, donde algunas personas obesas se consideran metabólicamente sanas y no sufren los efectos nocivos 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 generalmente asociados con la obesidad.
En comparación con la resistencia a la insulina medida directamente en conjuntos de datos de validación, la IA-IR logró un sólido rendimiento predictivo. Parte del desafío al que se enfrentaron Hiraike y su equipo fue convencer a los revisores del artículo de que la IA-IR, que podría superar estas deficiencias de manera confiable y repetible.
Afortunadamente, demostraron no solo su poder predictivo, sino también la robustez de su modelo en diversas condiciones; y en comparación con la resistencia a la insulina medida directamente en conjuntos de datos de validación, la IA-IR logró un sólido rendimiento predictivo.
Así las cosas, la IA-IR ofrece una alternativa robusta y escalable para evaluar la resistencia a la insulina a escala poblacional, y al combinar hasta nueve parámetros clínicos en una sola métrica, la IA-IR puede detectar una resistencia a la insulina que el IMC por sí solo no puede explicar.
En la actualidad, los investigadores trabajan 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 combatir la resistencia a la insulina.
