Heterogeneidad en prediabetes 1: del fenotipo al endotipo
DOI:
https://doi.org/10.47196/diab.v59i2Sup.1218Palabras clave:
diabetes tipo 1, prediabetes, endotiposResumen
La diabetes mellitus tipo 1 (DM1) es una enfermedad autoinmune caracterizada por la destrucción progresiva de las células beta pancreáticas. Desde el modelo clásico de Eisenbarth hasta las clasificaciones más recientes, se reconocen al menos cuatro estadios en su progresión: estadio 0 (riesgo genético), estadio 1 (presencia de dos o más autoanticuerpos con normoglucemia), estadio 2 (disglucemia presintomática) y estadio 3 (diabetes clínica). A esto se sumó el estadio 4, que contempla la fase posdiagnóstico y la posibilidad de preservar la función beta residual.
En los estadios presintomáticos (que en algunas publicaciones están referidos como prediabetes tipo 1), la velocidad de progresión es altamente variable. Esta heterogeneidad se explica por factores como la edad, el perfil genético, el número y el tipo de autoanticuerpos, pero también por mecanismos inmunopatológicos subyacentes. Este enfoque ha dado lugar al concepto de endotipos en DM1 que busca clasificar a los pacientes según patrones biológicos específicos que influyen tanto en la evolución clínica como en la respuesta terapéutica.
A nivel inmunológico, la activación temprana de los linfocitos T CD4+ y CD8+ específicos contra antígenos de células beta, junto con alteraciones en las células T reguladoras (Treg), favorecen la destrucción progresiva. Además, las células beta en estrés pueden expresar HLA clase I de forma aberrante y secretar IFN-α promoviendo un microambiente proinflamatorio. Estos mecanismos han sido aprovechados en estudios recientes con terapias inmunomoduladoras, como el uso de anti-CD3 (teplizumab) o IL-2 en dosis bajas, que lograron retrasar la aparición de la DM1 clínica en individuos en estadio 2.
La estratificación de fenotipos y endotipos se perfila como una estrategia clave para la implementación de una medicina personalizada en DM1. A través de biomarcadores inmunológicos, genéticos y metabólicos es posible identificar con mayor precisión a los sujetos en riesgo, optimizar los programas de detección y seleccionar las intervenciones más adecuadas.
Citas
I. Vehik K, Lynch KF, Wong MC, et al. Artificial intelligence enables better risk prediction for type 1 diabetes using autoantibodies, genetics, and clinical data. Nat Commun 2023;14(1):1447.
II. Battaglia M, Anderson MS, Buckner JH, et al. Understanding and preventing type 1 diabetes through the unique insights of the TEDDY study. Cell Metab 2022;34(11):1626-1640.
III. Herold KC, Bundy BN, Long SA, et al. Teplizumab treatment in presymptomatic type 1 diabetes: extended follow-up results. N Engl J Med 2022;387(17):1488-1497.
IV. Sims EK, Bahnson HT, Nyalwidhe J, et al. Proinsulin to C-peptide ratio as a biomarker of beta-cell dysfunction in type 1 diabetes. Diabetes Care 2021;44(6):1486-1491.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 a nombre de los autores. Derechos de reproducción: Sociedad Argentina de Diabetes
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Dirección Nacional de Derecho de Autor, Exp. N° 5.333.129. Instituto Nacional de la Propiedad Industrial, Marca «Revista de la Sociedad Argentina de Diabetes - Asociación Civil» N° de concesión 2.605.405 y N° de disposición 1.404/13.
La Revista de la SAD está licenciada bajo Licencia Creative Commons Atribución – No Comercial – Sin Obra Derivada 4.0 Internacional.
Por otra parte, la Revista SAD permite que los autores mantengan los derechos de autor sin restricciones.
