La diabetes tipo 1 representa un desafío médico significativo debido a que se desarrolla a partir de la destrucción autoinmune de las células pancreáticas. Este proceso detiene la producción de insulina, lo que obliga a quienes padecen la enfermedad a depender de terapias con insulina de manera permanente durante toda su vida. Hasta ahora, predecir con exactitud quién desarrollará esta patología ha sido una tarea compleja, ya que la mayoría de los índices de riesgo genético se han limitado a un conjunto reducido de variantes de alto riesgo, dejando fuera a una parte considerable de la población.
En este contexto, investigadores de la Universidad de California en San Diego (La Jolla, CA, EE. UU.) han desarrollado una herramienta innovadora denominada T1GRS. Se trata de un modelo de aprendizaje automático diseñado específicamente para estimar el riesgo genético individual de desarrollar diabetes tipo 1 (DT1). A diferencia de las herramientas previas, el T1GRS genera una puntuación personalizada mediante la integración de señales de loci asociados con la enfermedad distribuidos por todo el genoma, incluyendo el complejo mayor de histocompatibilidad (CMH). El objetivo central de este enfoque es mejorar la precisión del diagnóstico preventivo, especialmente en personas que no poseen las variantes de alto riesgo más comunes y ya caracterizadas.
El desarrollo del modelo T1GRS se basó en la detección de interacciones no lineales entre 199 variantes de riesgo. Para validar su eficacia, el equipo de investigación realizó análisis exhaustivos en una muestra de más de 20.000 individuos de ascendencia europea con diabetes tipo 1, comparándolos con cerca de 800.000 personas que no padecían la enfermedad. Gracias a este proceso, los científicos lograron confirmar variantes de riesgo ya conocidas en 79 loci y, lo más relevante, identificaron 13 loci adicionales vinculados a la regulación genética, el control glucémico y la función inmunitaria. Además, un mapeo independiente realizado en más de 29.000 individuos permitió descubrir nuevas variantes del CMH que influyen directamente en la activación genética y la función del sistema inmune.
La capacidad predictiva del T1GRS ha demostrado ser superior a los métodos actuales, logrando identificar a niños y adultos con riesgo elevado de manera más temprana. Para poner a prueba la robustez del modelo fuera de su conjunto de entrenamiento, los investigadores lo aplicaron a cohortes externas provenientes del biobanco nacional de donantes de órganos pancreáticos (nPOD) y del Programa de Investigación All of Us de los Institutos Nacionales de la Salud (NIH). Aunque se observó una ligera disminución de la precisión debido al tamaño reducido de estos conjuntos de datos, el modelo mantuvo una precisión del 87% en la predicción del riesgo.
Uno de los hallazgos más significativos del estudio es la capacidad de clasificar a las personas con diabetes tipo 1 en cuatro subtipos distintos, basados en las características genéticas que más influyen en su puntuación individual. El primer grupo, denominado impulsado por el CMH, se caracteriza por variantes de alto riesgo bien conocidas y suele presentarse con un inicio temprano durante la infancia. El segundo grupo, el enriquecido en CMH, refleja una combinación de variantes tanto dentro como fuera de la región del CMH, asociándose con un inicio de la enfermedad ligeramente más tardío y una gravedad intermedia.
El tercer subtipo es el enriquecido en células T, el cual está influenciado principalmente por variantes fuera del CMH que afectan las respuestas inmunitarias adaptativas, mostrando un patrón de inicio también intermedio. Finalmente, el grupo enriquecido en páncreas se distingue por variantes fuera del CMH que afectan la funcionalidad de las células pancreáticas, específicamente las células beta productoras de insulina. Este grupo, aunque presenta un inicio de la enfermedad más tardío, es el que conlleva el mayor riesgo de desarrollar complicaciones graves, tales como daño nervioso, enfermedad renal y afecciones cardiovasculares.
Estos resultados, publicados el 30 de abril de 2026 en la revista Nature Genetics, fueron reproducidos de forma consistente en diversas cohortes independientes. La importancia de este avance radica en que permite orientar protocolos de atención más individualizados y fomentar pruebas de detección clínica más amplias. Según Carolyn McGrail, Ph.D., consultora asociada sénior de LEK Consulting, la evaluación del riesgo genético permite identificar a un grupo más amplio de pacientes que podrían pasar desapercibidos. Esto facilitaría un seguimiento exhaustivo para reducir complicaciones críticas al momento del diagnóstico, como la cetoacidosis diabética, y ayudaría a identificar a candidatos aptos para terapias preventivas como el teplizumab.
Por último, el estudio destaca la versatilidad del modelo. Emily Griffin, PhD, investigadora postdoctoral en la Facultad de Medicina de la UC San Diego y coautora principal, señaló que el T1GRS logró predecir el riesgo con alta precisión incluso en poblaciones no europeas, a pesar de que el modelo fue desarrollado inicialmente utilizando datos de individuos de ascendencia europea. Este avance abre la puerta a una estratificación del riesgo más inclusiva, permitiendo intervenciones tempranas tanto en niños como en adultos de diversas procedencias étnicas.
