Insulionooporność to zaburzenie, w którym organizm nieprawidłowo reaguje na insulinę – hormon regulujący stężenie glukozy we krwi. Ze względu na złą dietę i brak ruchu przypadłość ta dotyka coraz więcej osób, szczególnie w zachodnim świecie. Jak przypomnieli eksperci z Uniwersytetu Tokijskiego, z zaburzeniem tym powiązano nie tylko rozwój cukrzycy, ale także problemy krążeniowe, uszkodzenie nerek czy wątroby.

Przeprowadzona z pomocą sztucznej inteligencji analiza danych 500 tys. uczestników projektu UK Biobank wykazała, że z insulinoopornością wiąże się również większe ryzyko rozwoju 12 typów nowotworów.

Naukowcy mówią o silnie zwiększonym ryzyku sześciu nowotworów (macicy, nerek, przełyku, trzustki, jelita grubego oraz piersi) oraz o nominalnie większym zagrożeniu sześcioma kolejnymi typami (nowotwory miedniczki nerkowej, jelita cienkiego, żołądka, wątroby i pęcherzyka żółciowego, białaczka oraz nowotwory oskrzeli i płuc).

- 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, autor pracy opublikowanej w piśmie „Nature Communications” (https://doi.org/10.1038/s41467-026-68355-x).

- 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. A ponieważ te dziewięć parametrów potrzebnych do działania AI-IR uzyskuje się podczas zwykłych badań kontrolnych, system ten można by łatwo wdrożyć, żeby wychwytywać osoby z grup wysokiego ryzyka. To pozwoliłoby na celowane badania pod kątem cukrzycy, chorób układu krążenia oraz nowotworów – kontynuuje badacz.

Trudność polegała m.in. na tym, że do przewidywania insulinooporności obecnie standardem jest używanie wskaźnika BMI, czyli miary otłuszczenia organizmu.

Jednak z tym podejściem wiążą się błędy. Z jednej strony pojawiają się bowiem wyniki fałszywie dodatnie, gdy niektóre osoby otyłe uznaje się za zdrowe metabolicznie, bo nie doświadczają one negatywnych skutków otyłości tak bardzo jak inni. Z drugiej strony zdarzają się wyniki fałszywie ujemne, kiedy ludzie z idealnym BMI i tak zmagają się z insulinoopornością lub problemami, które zazwyczaj kojarzy się właśnie z nadwagą.

- 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.

- 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.

Marek Matacz (PAP)

mat/ bar/