Des chercheurs de Sanford Burnham Prebys et de l’Université chinoise de Hong Kong ont développé une approche informatique pour prédire si une personne atteinte de diabète de type 2 développera une maladie rénale, une complication fréquente et dangereuse du diabète. Leurs résultats, publiés dans Communication Naturepourraient aider les médecins à prévenir ou à mieux gérer les maladies rénales chez les personnes atteintes de diabète de type 2.
Cette étude donne un aperçu de l’avenir puissant du diagnostic prédictif. Notre équipe a démontré qu’en combinant des données cliniques avec une technologie de pointe, il est possible de développer des modèles informatiques pour aider les cliniciens à optimiser le traitement du diabète de type 2 afin de prévenir les maladies rénales. »
Kevin Yip, Ph.D., co-auteur principal, professeur et directeur de bioinformatique à Sanford Burnham Prebys
Le diabète est la première cause d’insuffisance rénale dans le monde. Aux États-Unis, 44 % des cas d’insuffisance rénale terminale et de dialyse sont dus au diabète. En Asie, ce chiffre est de 50 %.
« Il y a eu des progrès significatifs dans le développement de traitements pour les maladies rénales chez les personnes atteintes de diabète », déclare le co-auteur principal Ronald Ma, MB BChir, FRCP, professeur au Département de médecine et de thérapeutique de l’Université chinoise de Hong Kong. « Cependant, il peut être difficile d’évaluer le risque de développer une maladie rénale chez un patient en se basant uniquement sur des facteurs cliniques, donc déterminer qui est le plus à risque de développer une maladie rénale diabétique est un besoin clinique important. »
Le nouvel algorithme dépend des mesures d’un processus appelé méthylation de l’ADN, qui se produit lorsque des changements subtils s’accumulent dans notre ADN. La méthylation de l’ADN peut coder des informations importantes sur les gènes activés et désactivés, et elle peut être facilement mesurée par des tests sanguins.
« Notre modèle informatique peut utiliser des marqueurs de méthylation à partir d’un échantillon de sang pour prédire à la fois la fonction rénale actuelle et la façon dont les reins fonctionneront dans les années à venir, ce qui signifie qu’il pourrait être facilement mis en œuvre parallèlement aux méthodes actuelles d’évaluation du risque de maladie rénale d’un patient », déclare Oui.
Les chercheurs ont développé leur modèle en utilisant des données détaillées de plus de 1 200 patients atteints de diabète de type 2 dans le registre du diabète de Hong Kong. Ils ont également testé leur modèle sur un groupe distinct de 326 Amérindiens atteints de diabète de type 2, ce qui a permis de s’assurer que leur approche pouvait prédire les maladies rénales dans différentes populations.
« Cette étude met en évidence la force unique du registre du diabète de Hong Kong et son énorme potentiel pour alimenter de nouvelles découvertes afin d’améliorer notre compréhension du diabète et de ses complications », déclare la co-auteure de l’étude, Juliana Chan, MD, FRCP, professeure au Département de médecine et thérapeutique à l’Université chinoise de Hong Kong, qui a créé le registre du diabète de Hong Kong il y a plus de deux décennies.
« Le registre du diabète de Hong Kong est un trésor scientifique », ajoute le premier auteur Kelly Yichen Li, Ph.D., chercheur postdoctoral à Sanford Burnham Prebys. « Ils suivent les patients pendant de nombreuses années, ce qui nous donne une image complète de la façon dont la santé humaine peut changer au fil des décennies chez les personnes atteintes de diabète. »
Les chercheurs travaillent actuellement à affiner leur modèle. Ils élargissent également l’application de leur approche pour examiner d’autres questions sur la santé humaine et la maladie, comme déterminer pourquoi certaines personnes atteintes de cancer ne répondent pas bien à certains traitements.
« La science évolue toujours, mais nous travaillons à l’intégration d’informations supplémentaires dans notre modèle pour renforcer davantage la médecine de précision dans le diabète », ajoute Ma.
