En Vivo 
Salud
Modelo genético realizado con IA podría identificar el riesgo de desarrollar diabetes tipo 1
- 5-Mayo-2026 10:27
-
Lectura:
/Foto: Cortesía
Un equipo de científicos de la University of California San Diego desarrolló un modelo de aprendizaje automático que podría mejorar la precisión en la estimación del riesgo genético de diabetes tipo 1. Presentado en la revista Nature Genetics, el avance aporta una nueva herramienta para anticipar la enfermedad y avanzar hacia estrategias más personalizadas.
El modelo, denominado T1GRS, integra el análisis de 199 variantes genéticas y evalúa interacciones complejas dentro del sistema inmunológico. A diferencia de herramientas previas, su enfoque permite identificar a personas con riesgo elevado incluso fuera de los subgrupos clásicos, lo que podría facilitar la implementación de estrategias preventivas y un seguimiento más temprano.
La diabetes tipo 1 es una enfermedad autoinmune en la que el sistema inmunológico ataca por error a las células del páncreas encargadas de producir insulina, la hormona que regula el azúcar en sangre. Como consecuencia, el organismo pierde la capacidad de controlar los niveles de glucosa, lo que puede provocar aumentos peligrosos en sangre y obliga a quienes la padecen a administrarse insulina de por vida.
Hasta ahora, las herramientas genéticas disponibles permitían identificar principalmente a individuos con variantes de riesgo muy alto. Esto dejaba fuera a una proporción significativa de personas que desarrollaban la enfermedad sin presentar esos marcadores evidentes, lo que limitaba las posibilidades de diagnóstico anticipado.
En muchos casos, la enfermedad aparece de forma inesperada, incluso en niños previamente sanos —aunque también puede aparecer en adultos—, con síntomas ya avanzados. Esto dificulta una intervención temprana y aumenta el riesgo de complicaciones.
Para desarrollar T1GRS, el equipo analizó datos genéticos de más de 20.000 personas con diabetes tipo 1 y casi 800.000 sin la enfermedad. A partir de este análisis, identificaron 79 regiones del genoma previamente asociadas con la patología y 13 nuevas vinculadas con funciones como la regulación genética, la respuesta inmune y el control del metabolismo de la glucosa.
Además, los investigadores estudiaron en profundidad el complejo principal de histocompatibilidad (MHC), una región del ADN clave para el funcionamiento del sistema inmunológico y fuertemente asociada con la enfermedad. Al examinar muestras de más de 29.000 individuos, detectaron variantes adicionales que podrían influir tanto en la respuesta inmune como en la activación de ciertos genes.
El modelo combina estas variantes mediante un enfoque que considera interacciones no lineales, es decir, relaciones complejas entre genes que no pueden explicarse de manera aislada. Esto permite obtener una estimación más precisa del riesgo individual.
Según explicó Emily Griffin, primera autora del estudio, el MHC contiene patrones genéticos que aparecen con mayor frecuencia en personas con diabetes tipo 1. Aunque su presencia no garantiza el desarrollo de la enfermedad, su ausencia reduce considerablemente la probabilidad de aparición.
Uno de los aportes más relevantes del modelo es la posibilidad de clasificar a las personas con diabetes tipo 1 en cuatro subtipos genéticos, cada uno con características clínicas diferentes.
El grupo asociado principalmente al MHC presenta variantes de alto riesgo y suele manifestarse a edades tempranas. Otro conjunto combina factores dentro y fuera de esta región y muestra una evolución intermedia.
También se identificó un grupo vinculado a alteraciones en las células T, un componente clave del sistema inmune, y otro relacionado con variantes que afectan directamente al páncreas. Este último se caracteriza por una aparición más tardía y una mayor probabilidad de complicaciones, como daño renal, neuropatías o problemas cardiovasculares.
Para evaluar su desempeño, el modelo fue probado en biobancos internacionales como el All of Us Research Program y nPOD. Aunque las muestras eran más pequeñas, la capacidad predictiva se mantuvo elevada, con niveles de precisión cercanos al 87%.
Además, el sistema logró clasificar correctamente a personas de distintas ascendencias dentro de los cuatro subtipos definidos inicialmente. Este resultado sugiere que la herramienta podría tener aplicación en poblaciones diversas, aunque los autores señalan la necesidad de continuar ampliando los estudios.
Agencia
- Etiquetas:
- IA
