La medicina de precisión es un novedoso enfoque para la prevención y el tratamiento de las enfermedades que considera la variabilidad individual de los genes, del medioambiente y de los hábitos de cada persona¹. La medicina de precisión permite a los médicos e investigadores predecir con mayor precisión qué tratamiento y qué medidas preventivas serán más eficaces contra una enfermedad concreta y en pacientes con características concretas¹. Si bien el término «medicina personalizada» a veces se usa como sinónimo de «medicina de precisión», se prefiere este último término porque se centra en el hecho de que lo que se está tratando son las características específicas del paciente y no el individuo per se.

Un ejemplo de estudio de medicina de precisión es el estudio de Ahlqvist E. et al., centrado en subgrupos de diabetes tipo 2². Un análisis de subgrupos con ~9 000 pacientes con diabetes tipo 2 de diagnóstico reciente en Suecia abarcó los anticuerpos GAD, el IMC, la edad en al momento del diagnóstico, la HbA_1c y la función de las células HOMA-ß y HOMA-IR². Los subgrupos se relacionaron con datos prospectivos de historias clínicas electrónicas sobre el desarrollo de las complicaciones diabéticas y las prescripciones de medicamentos². Se aplicó un análisis de regresión para comparar²:

• Tiempo transcurrido hasta precisar medicación
• Tiempo transcurrido hasta lograr los objetivos de tratamiento
• Complicaciones de la diabetes
• Asociaciones genéticas.

En los análisis de los ~9 000 pacientes se identificaron 5 subgrupos que encontrará en la tabla 1. De los análisis de subgrupos durante un período de 8 años se desprende un patrón específico que se da en cada uno de los subgrupos para la HbA_1c, la edad en el momento del diagnóstico y los índices HOMA². El subgrupo 3 (SIRD) también parece tener una cronología acelerada hasta la insuficiencia renal crónica, la macro albuminuria, la aparición de la nefropatía terminal y el tiempo hasta la aparición de una enfermedad cardiovascular, un hallazgo que solo resultaría evidente haciendo un análisis de subgrupos.

Otro estudio con análisis de subgrupos se centró en la resistencia a la insulina y en el uso de los inhibidores de DPP-4 y de los agonistas del receptor del GLP-1. Al centrarse en los marcadores de evaluación de la secreción de insulina (péptido C, tasa de péptido C y creatinina en orina, índices HOMA) y de la acción de esta hormona (HOMA-IR, triglicéridos y lipoproteínas de gran densidad), los análisis se pudieron centrar en determinar la respuesta a los inhibidores de DPP-4 y a los agonistas del receptor del GLP-1³. Los resultados de los análisis demostraron que el tratamiento con los inhibidores de DPP-4 estaba relacionado con una menor respuesta de la HbA_1c en pacientes cuyos marcadores indicaban una resistencia a la insulina acusada³. No pareció haber relación entre los marcadores de resistencia a la insulina y la respuesta a los agonistas del receptor del GLP-1³.

Si se combinan los datos procedentes de varias variables, no simplemente la glucosa ni la HbA_1c, se obtiene información más significativa que permite orientar las estrategias racionales del tratamiento antidiabético. Además, las clasificaciones más relevantes de la diabetes pueden aportar mejor información.

Los marcadores genéticos de la farmacocinética de la metformina han demostrado escasa utilidad clínica para predecir la respuesta terapéutica a la metformina. El uso del inhibidor del OCT1 en pacientes con una variación del gen SLC22A1 supuso cuatro veces más efectos adversos gastrointestinales con la metformina. Desafortunadamente, los aspectos predictivos y la magnitud del efecto del uso de metformina han sido, en el mejor de los casos, modestos a pesar de los notables avances en el conocimiento de la base genética de la respuesta a este antidiabético.

También se ha avanzado ligeramente en relación con las sulfonilureas, ya que es menos probable que los portadores de los alelos TCF7L2 alcancen los objetivos de HbA_1c que los no portadores. Sin embargo, las variantes de codificación de los receptores de las sulfonilureas no han sido suficientemente validadas en estudios prospectivos.

Gracias a la medicina de precisión también se ha obtenido información sobre la diabetes monogénica (MODY). Se calcula que alrededor del 3-4 % de los niños con diabetes tienen MODY. Los datos han demostrado qué tratamientos serían más efectivos para esta población en función de la mutación genética. Consulte la tabla 2 para conocer el tipo de mutación, el tipo de defecto y el tratamiento sugerido.

Para la diabetes también existen técnicas de diagnóstico por la imagen de precisión que incluyen imágenes de las células ß (volumen y grasa del páncreas, masa de células β), espectroscopia por resonancia magnética protónica (con ¹H-MRS; ¹⁸F-SPECT/PET), imágenes de tejido periférico, imágenes hepáticas (para EHNA y ENA: RM, espectrometría RM, elastografía RM, ecografía y TAC) e imágenes del cerebro.

También se han desarrollado modelos fisiológicos del metabolismo de los glúcidos en la diabetes y en la prediabetes para estudiar la función y la respuesta de las células ß, la sensibilidad a la insulina (periférica y hepática) y existe un simulador de la diabetes de tipo 1 (autorizado por la Administración de Alimentos y Medicamentos de EE. UU. y la Food and Drug Administration).

La simulación de precisión crea una imagen virtual simulada del paciente que incluye datos genómicos, datos de historias clínicas electrónicas, datos fisiológicos y datos de detección en tiempo real. Con la creación de un gemelo digital simulado, se pueden aplicar los ajustes recomendados en la medicación y diseñar el control de la diabetes en asa cerrado.