Diabete 1, intelligenza artificiale e microRNA nuova frontiera nella stratificazione del rischio

Identificare con precisione gli individui ad alto rischio di sviluppare il diabete di tipo 1 rappresenta una priorità clinica, resa oggi ancor più strategica dalla disponibilità di trattamenti capaci di ritardarne l’esordio. Un gruppo internazionale di ricercatori guidato da Mugdha V. Joglekar della Scuola di Medicina della Western Sydney University (Australia) ha presentato su “Nature Medicine” un innovativo punteggio di rischio dinamico basato sui microRNA (miRNA), sviluppato e validato attraverso coorti multicentriche, multietniche e multinazionali (“multicontesto”).

L’analisi, condotta sia in laboratorio sia con approcci computazionali, ha permesso di individuare 50 miRNA associati alla perdita funzionale delle cellule β pancreatiche, condizione chiave nella patogenesi del diabete di tipo 1. Questi marcatori sono stati misurati su un campione di 2.204 individui appartenenti a quattro contesti geografici e culturali differenti: Australia, Danimarca, Regione Amministrativa Speciale di Hong Kong (Repubblica Popolare Cinese) e India. L’elaborazione dei dati ha portato alla costruzione di un punteggio dinamico di rischio (dynamic risk score, DRS) – cioè responsivo all’ambiente – capace di una stratificazione efficace tra soggetti con e senza diabete di tipo 1.

Utilizzando tecniche di intelligenza artificiale generativa, gli autori hanno poi perfezionato questo modello, ottenendo una versione migliorata del DRS a quattro contesti che ha dimostrato una buona capacità predittiva in un dataset di validazione indipendente composto da 662 individui. L’accuratezza discriminativa è risultata elevata, con un’area sotto la curva (AUC) pari a 0,84. Inoltre, il punteggio ha previsto in modo preciso il fabbisogno futuro di insulina esogena già a un’ora dal trapianto di isole pancreatiche.

In un ulteriore scenario di applicazione clinica, il DRS è stato impiegato per analizzare retrospettivamente i dati di un trial che valutava l’efficacia dell’imatinib, un inibitore della tirosin-chinasi. I ricercatori hanno osservato che la firma basale di microRNA, più delle caratteristiche cliniche convenzionali, si è rivelata determinante nel discriminare tra i soggetti che rispondevano positivamente alla terapia e quelli che, a distanza di un anno, non mostravano beneficio.

Complessivamente, lo studio ha impiegato strategie di apprendimento automatico e intelligenza artificiale generativa per sviluppare e validare un punteggio dinamico di rischio basato sui miRNA, in grado non solo di identificare precocemente gli individui a rischio di diabete di tipo 1, ma anche di prevedere con accuratezza la risposta a interventi terapeutici mirati.

Arturo Zenorini

Nat Med. 2025 Jun 5. doi: 10.1038/s41591-025-03730-7.
https://pubmed.ncbi.nlm.nih.gov/40473952/