Predicción de Resultados de Diabetes Postrasplante (PERCEIVE)

La enfermedad renal crónica (ERC) es una importante carga sanitaria mundial y representa una de las enfermedades no transmisibles más comunes. En Europa, la ERC afecta a más de 50 millones de personas, lo que representa aproximadamente el 10% de la población adulta. Es importante destacar que la presencia de ERC supone una carga económica significativa para los sistemas sanitarios, con un coste estimado de 140 mil millones anuales en Europa. El trasplante renal representa el mejor tratamiento para la enfermedad renal terminal (ERT) en términos de mortalidad, morbilidad y calidad de vida. Además, este enfoque terapéutico para la ERT reduce considerablemente el coste de la terapia de sustitución renal. La diabetes postrasplante es una complicación metabólica común del trasplante renal. Hasta el 40% de los receptores de injertos renales presentan un diagnóstico de diabetes de novo dentro de los primeros 5 años después del trasplante y otro 30% se caracteriza por una tolerancia a la glucosa alterada (TGA). Además, el 20% de los pacientes con TGA eventualmente desarrollarán una diabetes postrasplante.

La terapia inmunosupresora representa el principal culpable con sus efectos nocivos sobre la resistencia a la insulina (corticosteroides, inhibidores de mTOR) o la síntesis de insulina (tacrolimus). Detrás del papel de la terapia inmunosupresora, otros factores de riesgo relevantes son la edad de los receptores y el IMC pre y postrasplante. Una gran cantidad de datos de registros y un reciente metaanálisis de estudios retrospectivos indican claramente el efecto perjudicial de la diabetes postrasplante sobre el principal resultado clínico del trasplante renal, la mortalidad de los receptores y la pérdida del injerto. El exceso de mortalidad observado en este contexto se debe principalmente, como era de esperar, a un aumento de la muerte cardiovascular. Aunque el vínculo entre la diabetes y la mortalidad cardiovascular es bien conocido y sus mecanismos son mayormente claros en la población general, tenemos una falta significativa de información en este contexto específico, donde la diabetes postrasplante actúa sobre la cima de varios otros factores de riesgo cardiovascular, a menudo presentes en la población trasplantada. Por lo tanto, nuestra capacidad para estratificar el riesgo e intervenir en consecuencia, para prevenir eventos cardiovasculares en receptores de injertos renales con diabetes postrasplante está significativamente limitada. Esta falta de conocimiento conducirá inevitablemente a un sobretratamiento de pacientes potencialmente en menor riesgo y a un infratratamiento de receptores de injertos potencialmente en muy alto riesgo. Por otro lado, cuando consideramos el problema de la pérdida del injerto, inevitablemente centramos nuestra atención en los mecanismos inmunológicos vinculados a la respuesta aloinmune de los receptores contra el injerto y, posteriormente, en la modulación de la inmunosupresión. Sin embargo, en los últimos años nos estamos dando cuenta de que los factores de riesgo para la ERT que son bien conocidos en la población general tienen un peso pronóstico significativo también en la predicción de la pérdida del injerto en el trasplante renal. Somos muy conscientes de que entre estos factores de riesgo la diabetes sigue siendo uno de los más importantes. Aunque, también en este caso carecemos de información sobre cómo el entorno diabético interactúa con los factores de riesgo específicos del trasplante para la ERT para determinar el destino del injerto.

Además, para la ERT, nuestra incapacidad para estratificar el riesgo de cada paciente limitará significativamente nuestra intervención terapéutica. Por lo tanto, el objetivo del presente proyecto es llenar este vacío de conocimiento con un enfoque basado en la fenotipación profunda de pacientes con diabetes postrasplante asociada a una estrategia de biología de sistemas. Esta metodología nos permitirá identificar posibles marcadores moleculares a nivel de orina, suero o tejido renal que se asociarán con características clínicas, de imagen o histológicas conocidas por predecir ya sea la mortalidad cardiovascular o la ERT. Con la ayuda de la inteligencia artificial, luego construiremos el prototipo de un modelo predictivo tanto para la mortalidad cardiovascular como para la pérdida del injerto para luego ser validado en un estudio prospectivo dedicado.