Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Lộ trình đạt được y học chính xác trong điều trị bằng thuốc đối với bệnh tiểu đường
Tóm tắt
Điều trị bằng thuốc cho bệnh tiểu đường hiện nay phần lớn dựa trên các thuật toán. Ngoại trừ các trường hợp bệnh tim mạch hoặc bệnh thận, khi các thuốc ức chế đồng vận chuyển natri-glucose 2 và/hoặc các agonist thụ thể peptide-1 giống glucagon được chỉ định, việc lựa chọn điều trị chủ yếu dựa trên các rủi ro tổng quát về tác hại hoặc tác dụng phụ và chi phí, chứ không phải dựa trên lợi ích tiềm năng. Trong bài viết này, chúng tôi lập luận rằng cần có một cách tiếp cận chính xác hơn trong việc lựa chọn điều trị để tối đa hóa lợi ích và tối thiểu hóa tác hại từ các liệu pháp điều trị tiểu đường hiện có. Chúng tôi đề xuất một lộ trình để đạt được y học chính xác như là tiêu chuẩn chăm sóc, thảo luận về tiến bộ hiện tại liên quan đến bệnh tiểu đường đơn gen và tiểu đường type 2, và xác định những công việc bổ sung cần thiết. Bước đầu tiên là xác định những dự đoán di truyền đáng tin cậy và vững chắc về phản ứng, nhận thức rằng kiểu gen là tĩnh theo thời gian và cung cấp khung xương mà trên đó các yếu tố điều chỉnh như kiểu hình lâm sàng và các dấu hiệu sinh học chuyển hóa có thể được lồng ghép. Bước thứ hai là xác định những dấu hiệu sinh học chuyển hóa (ví dụ: chức năng tế bào beta, độ nhạy insulin, chỉ số khối cơ thể (BMI), mỡ gan, hồ sơ chuyển hóa), mà hiện diện tại thời điểm kê đơn và có thể ảnh hưởng lớn đến đáp ứng với thuốc. Thứ ba, chúng ta cần chỉ ra rằng các dự đoán sử dụng các dấu hiệu sinh học di truyền và chuyển hóa này cải thiện kết quả điều trị cho bệnh nhân, và thứ tư, điều này là hiệu quả về chi phí. Cuối cùng, các dấu hiệu sinh học và mô hình dự đoán này cần được tích hợp vào hệ thống chăm sóc lâm sàng để cho phép thực hiện lâm sàng hiệu quả và công bằng. Trong khi lộ trình này đã gần hoàn thiện đối với bệnh tiểu đường đơn gen, chúng ta vẫn còn nhiều việc phải làm để thực hiện điều này cho bệnh tiểu đường type 2. Việc tăng cường hợp tác, bao gồm cả với ngành công nghiệp, và việc tiếp cận dữ liệu thử nghiệm lâm sàng sẽ giúp thúc đẩy quá trình thực hiện điều trị chính xác trong bệnh tiểu đường type 2 trong tương lai gần.
Từ khóa
#y học chính xác #bệnh tiểu đường #chỉ số khối cơ thể #chức năng tế bào beta #độ nhạy insulinTài liệu tham khảo
Rena G, Hardie DG, Pearson ER (2017) The mechanisms of action of metformin. Diabetologia 60(9):1577–1585. https://doi.org/10.1007/s00125-017-4342-z
Fang M, Wang D, Coresh J, Selvin E (2021) Trends in diabetes treatment and control in U.S. adults, 1999-2018. N Engl J Med 384(23):2219–2228. https://doi.org/10.1056/NEJMsa2032271
Kahn SE, Haffner SM, Heise MA et al (2006) Glycemic durability of rosiglitazone, metformin, or glyburide monotherapy. N Engl J Med 355(23):2427–2443. https://doi.org/10.1056/NEJMoa066224
Zeitler P, Hirst K, Pyle L et al (2012) A clinical trial to maintain glycemic control in youth with type 2 diabetes. N Engl J Med 366(24):2247–2256. https://doi.org/10.1056/NEJMoa1109333
Lean ME, Leslie WS, Barnes AC et al (2018) Primary care-led weight management for remission of type 2 diabetes (DiRECT): an open-label, cluster-randomised trial. Lancet 391(10120):541–551. https://doi.org/10.1016/s0140-6736(17)33102-1
Ahlqvist E, Storm P, Karajamaki A et al (2018) Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. Lancet Diabetes Endocrinol 6(5):361–369. https://doi.org/10.1016/s2213-8587(18)30051-2
Udler MS, Kim J, von Grotthuss M et al (2018) Type 2 diabetes genetic loci informed by multi-trait associations point to disease mechanisms and subtypes: A soft clustering analysis. PLoS Med 15(9):e1002654. https://doi.org/10.1371/journal.pmed.1002654
Dennis JM, Shields BM, Henley WE, Jones AG, Hattersley AT (2019) Disease progression and treatment response in data-driven subgroups of type 2 diabetes compared with models based on simple clinical features: an analysis using clinical trial data. Lancet Diabetes Endocrinol 7(6):442–451. https://doi.org/10.1016/s2213-8587(19)30087-7
Slieker RC, Donnelly LA, Fitipaldi H et al (2021) Replication and cross-validation of type 2 diabetes subtypes based on clinical variables: an IMI-RHAPSODY study. Diabetologia 64(9):1982–1989. https://doi.org/10.1007/s00125-021-05490-8
Mahajan A, Wessel J, Willems SM et al (2018) Refining the accuracy of validated target identification through coding variant fine-mapping in type 2 diabetes. Nat Genet 50(4):559–571. https://doi.org/10.1038/s41588-018-0084-1
McCarthy MI (2017) Painting a new picture of personalised medicine for diabetes. Diabetologia 60:793–799. https://doi.org/10.1007/s00125-017-4210-x
Gloyn AL, Pearson ER, Antcliff JF et al (2004) Activating mutations in the gene encoding the ATP-sensitive potassium-channel subunit Kir6.2 and permanent neonatal diabetes. N Engl J Med 350(18):1838–1849. https://doi.org/10.1056/NEJMoa032922
Pearson ER, Flechtner I, Njolstad PR et al (2006) Switching from insulin to oral sulfonylureas in patients with diabetes due to Kir6.2 mutations. N Engl J Med 355(5):467–477. https://doi.org/10.1056/NEJMoa061759
Pearson ER, Starkey BJ, Powell RJ, Gribble FM, Clark PM, Hattersley AT (2003) Genetic cause of hyperglycaemia and response to treatment in diabetes. Lancet 362(9392):1275–1281. https://doi.org/10.1016/S0140-6736(03)14571-0
Pearson ER, Liddell WG, Shepherd M, Corrall RJ, Hattersley AT (2000) Sensitivity to sulphonylureas in patients with hepatocyte nuclear factor-1a gene mutations: evidence for pharmacogenetics in diabetes. Diabet Med 17(7):543–545. https://doi.org/10.1046/j.1464-5491.2000.00305.x
Steele AM, Shields BM, Wensley KJ, Colclough K, Ellard S, Hattersley AT (2014) Prevalence of vascular complications among patients with glucokinase mutations and prolonged, mild hyperglycemia. JAMA 311(3):279–286. https://doi.org/10.1001/jama.2013.283980
Zhou K, Bellenguez C, Spencer CC et al (2011) Common variants near ATM are associated with glycemic response to metformin in type 2 diabetes. Nat Genet 43(2):117–120. https://doi.org/10.1038/ng.735
Zhou K, Yee SW, Seiser EL et al (2016) Variation in the glucose transporter gene SLC2A2 is associated with glycemic response to metformin. Nat Genet 48(9):1055–1059. https://doi.org/10.1038/ng.3632
Dawed AY, Yee SW, Zhou K et al (2021) Genome-wide meta-analysis identifies genetic variants associated with glycemic response to sulfonylureas. Diabetes Care 44:2673–2682. https://doi.org/10.2337/dc21-1152
Zhou K, Donnelly L, Yang J et al (2014) Heritability of variation in glycaemic response to metformin: a genome-wide complex trait analysis. Lancet Diabetes Endocrinol 2(6):481–487. https://doi.org/10.1016/s2213-8587(14)70050-6
McCarthy MI (2015) Genomic medicine at the heart of diabetes management. Diabetologia 58(8):1725–1729. https://doi.org/10.1007/s00125-015-3588-6
Slieker RC, Donnelly LA, Fitipaldi H et al (2021) Distinct molecular signatures of clinical clusters in people with type 2 diabetes: an IMIRHAPSODY study. Diabetes 70:2683–2693. https://doi.org/10.2337/db20-1281
Walford GA, Ma Y, Clish C, Florez JC, Wang TJ, Gerszten RE (2016) Metabolite profiles of diabetes incidence and intervention response in the Diabetes Prevention Program. Diabetes 65:1424–1433. https://doi.org/10.2337/db15-1063
Chen ZZ, Liu J, Morningstar J et al (2019) Metabolite profiles of incident diabetes and heterogeneity of treatment effect in the Diabetes Prevention Program. Diabetes 68(12):2337–2349. https://doi.org/10.2337/db19-0236
Dawed AY, Zhou K, van Leeuwen N et al (2019) Variation in the plasma membrane monoamine transporter (PMAT) (encoded by SLC29A4) and organic cation transporter 1 (OCT1) (encoded by SLC22A1) and gastrointestinal intolerance to metformin in type 2 diabetes: An IMI DIRECT study. Diabetes Care 42(6):1027–1033. https://doi.org/10.2337/dc18-2182
Flannick J, Mercader JM, Fuchsberger C et al (2019) Exome sequencing of 20,791 cases of type 2 diabetes and 24,440 controls. Nature 570(7759):71–76. https://doi.org/10.1038/s41586-019-1231-2
Greeley SA, John PM, Winn AN et al (2011) The cost-effectiveness of personalized genetic medicine: the case of genetic testing in neonatal diabetes. Diabetes Care 34(3):622–627. https://doi.org/10.2337/dc10-1616
Naylor RN, John PM, Winn AN et al (2014) Cost-effectiveness of MODY genetic testing: translating genomic advances into practical health applications. Diabetes Care 37(1):202–209. https://doi.org/10.2337/dc13-0410
Peters JL, Anderson R, Shields B et al (2020) Strategies to identify individuals with monogenic diabetes: results of an economic evaluation. BMJ Open 10(3):e034716. https://doi.org/10.1136/bmjopen-2019-034716
Herman WH, Edelstein SL, Ratner RE et al (2013) Effectiveness and cost-effectiveness of diabetes prevention among adherent participants. Am J Manag Care 19(3):194–202
Dennis JM, Henley WE, Weedon MN et al (2018) Sex and BMI alter the benefits and risks of sulfonylureas and thiazolidinediones in type 2 diabetes: a framework for evaluating stratification using routine clinical and individual trial data. Diabetes Care 41(9):1844–1853. https://doi.org/10.2337/dc18-0344
Dennis JM, Shields BM, Hill AV et al (2018) Precision medicine in type 2 diabetes: clinical markers of insulin resistance are associated with altered short- and long-term glycemic response to DPP-4 inhibitor therapy. Diabetes Care 41(4):705–712. https://doi.org/10.2337/dc17-1827