Puntuación de riesgo genético con aprendizaje automático mejora predicción temprana de la diabetes tipo 1

Predecir quién desarrollará la enfermedad sigue siendo difícil, ya que muchos índices de riesgo genético se centran en un conjunto limitado de variantes de alto riesgo.

Ampliar la estratificación del riesgo para abarcar poblaciones más amplias podría permitir una monitorización e intervención más tempranas tanto en niños como en adultos. Un nuevo estudio demuestra que un índice de riesgo genético derivado del aprendizaje automático mejora la predicción en grupos más diversos.

T1GRS es un modelo de aprendizaje automático diseñado para estimar el riesgo genético individual de desarrollar diabetes tipo 1 (DT1). Genera una puntuación personalizada al integrar señales de loci asociados con la enfermedad en todo el genoma, incluido el complejo mayor de histocompatibilidad (CMH). El enfoque busca mejorar la precisión más allá de las herramientas existentes, que funcionan mejor principalmente en personas con variantes de alto riesgo bien caracterizadas.

Investigadores de la Universidad de California en San Diego (La Jolla, CA, EE. UU.) desarrollaron T1GRS para detectar interacciones no lineales entre 199 variantes de riesgo distribuidas por todo el genoma. En análisis de más de 20.000 individuos de ascendencia europea con DT1 y cerca de 800.000 sin la enfermedad, el equipo confirmó variantes de riesgo conocidas en 79 loci e identificó 13 loci adicionales vinculados a la regulación genética, la función inmunitaria y el control glucémico.

Un mapeo independiente en más de 29 000 individuos reveló nuevas variantes del CMH asociadas con la DT1 que influyen en la función inmunitaria y la activación genética.

El modelo demostró una alta precisión en una población más amplia, incluyendo individuos con un riesgo genético más complejo, e identificó a niños y adultos con riesgo elevado antes que los métodos actuales. Para evaluar el rendimiento más allá del conjunto de datos de entrenamiento, el equipo aplicó T1GRS a cohortes externas del Programa de Investigación All of Us de los Institutos Nacionales de la Salud (NIH) y del biobanco nacional de donantes de órganos pancreáticos (nPOD). Aunque la precisión disminuyó en estos conjuntos de datos más pequeños, el modelo aún predijo el riesgo con una precisión del 87%.

El análisis de las características genéticas que más influían en la puntuación de cada individuo permitió clasificar a las personas con DT1 en cuatro subtipos con perfiles clínicos distintos. El grupo impulsado por el CMH se define por variantes de alto riesgo bien conocidas y suele asociarse con un inicio temprano en la infancia. El grupo enriquecido en CMH refleja una combinación de variantes dentro y fuera de la región del CMH , con un inicio ligeramente más tardío y una gravedad intermedia de la enfermedad.

El grupo enriquecido en células T está influido en gran medida por variantes fuera del CMH que afectan las respuestas inmunitarias adaptativas y muestra un patrón similar de inicio intermedio. El grupo enriquecido en páncreas está impulsado principalmente por variantes fuera del CMH que afectan las células pancreáticas, incluidas las células beta productoras de insulina, y aunque se asocia con un inicio más tardío, presenta el mayor riesgo de complicaciones como enfermedad renal, daño nervioso y afecciones cardiovasculares.

Los hallazgos, publicados el 30 de abril de 2026 en Nature Genetics , demostraron que estos cuatro subtipos se reproducían de forma consistente en cohortes independientes. Los autores sugieren que los resultados respaldan la realización de pruebas de detección clínica más amplias para permitir un diagnóstico y seguimiento más tempranos, con el potencial de orientar protocolos de atención más individualizados.

“La evaluación del riesgo genético nos permite identificar a un grupo más amplio de niños y adultos con alto riesgo de desarrollar diabetes tipo 1, que de otro modo podrían pasar desapercibidos. Esto facilita un seguimiento exhaustivo para reducir el riesgo de complicaciones como la cetoacidosis diabética al momento del diagnóstico y ayuda a identificar a las personas candidatas a terapias preventivas como el teplizumab”, afirmó Carolyn McGrail, Ph.D., consultora asociada sénior de LEK Consulting.

“Logramos predecir el riesgo con mucha precisión también en poblaciones no europeas, a pesar de que el T1GRS se desarrolló en individuos de ascendencia europea”, dijo la coautora principal Emily Griffin, PhD, investigadora postdoctoral en la Facultad de Medicina de la UC San Diego.

Enlaces relacionados
Facultad de Medicina de UC San Diego