Investigación·Estudio en Nature Metabolism
Un modelo con 13 proteínas sanguíneas anticipó el riesgo de diabetes
En 20.612 participantes del Reino Unido, un modelo que combina 13 proteínas de la sangre con datos clínicos predijo el riesgo de diabetes mejor que la relación entre triglicéridos y colesterol HDL. Es una herramienta de investigación con validación observacional, que todavía no ha demostrado mejorar la atención de los pacientes.
Puedes sentirte bien mientras tu organismo responde cada vez peor a la insulina, la hormona que ayuda a que la glucosa entre en las células. Esa resistencia suele avanzar sin síntomas y puede preceder a la diabetes. Para los investigadores, el desafío es reconocer mejor ese deterioro antes de que aparezcan sus consecuencias. Un estudio propone buscar parte de la respuesta en las proteínas que circulan por la sangre: combinadas con datos clínicos, permitieron estimar la sensibilidad a la insulina y distinguir quiénes tenían más riesgo de enfermar durante el seguimiento.
Qué hicieron
El trabajo, publicado el 16 de noviembre de 2026 en Nature Metabolism, fue encabezado por Jeppe Kjærgaard y Nigel Kurgan, de la Universidad de Copenhague, junto con colaboradores internacionales. Reunió datos de 161 personas de estudios realizados en Suecia y Dinamarca, con distintos grados de respuesta a la insulina, incluidas personas con diabetes y sin ella.
Todas habían pasado por una prueba de referencia que administra insulina de forma controlada y ajusta el aporte de glucosa para mantener estable su nivel en sangre. Así se mide cómo responde el organismo. Es un procedimiento complejo, costoso y poco práctico para aplicarlo de manera habitual a grandes poblaciones. El equipo buscó una combinación de proteínas y datos clínicos capaz de aproximarse a esa medición.
Para construir el modelo usaron datos de 118 participantes y lo comprobaron en otros 43. La combinación seleccionada reunió 13 proteínas, el sexo, la hemoglobina glucosilada y la relación entre triglicéridos y colesterol HDL. La hemoglobina glucosilada, también llamada HbA1c, refleja la glucosa de los meses anteriores; los otros análisis aportan información sobre las grasas en sangre. Por tanto, el resultado integra proteínas y mediciones que ya forman parte de la evaluación metabólica.
Después aplicaron el modelo a 20.612 participantes del UK Biobank, en el Reino Unido, y analizaron diagnósticos registrados durante un seguimiento de hasta 10 años. También estudiaron una cohorte independiente de Dinamarca, Inter99, con 1.700 personas y una mediana de seguimiento de 18,1 años: la mitad tuvo un seguimiento más largo y la otra mitad, más corto.
Qué encontraron
En el grupo británico, el modelo permitió ordenar el riesgo de desarrollar diabetes tipo 2 mejor que la relación triglicéridos/HDL por sí sola. El índice de concordancia fue 0,86 para el modelo y 0,74 para ese indicador habitual. Esa medida evalúa si la herramienta asigna mayor riesgo a quienes reciben antes el diagnóstico, al comparar participantes cuyos resultados permiten hacerlo. Un valor mayor indica mejor capacidad para distinguir ese orden.
El índice no dice qué porcentaje de personas recibió un diagnóstico correcto ni cuál es tu probabilidad individual de enfermar. Tampoco significa que se haya evitado ningún caso. En esta etapa, el hallazgo consiste en una mejor separación estadística entre trayectorias de riesgo, algo que podría ser útil si después se demuestra que ayuda a tomar mejores decisiones.
Hay un matiz decisivo: la hemoglobina glucosilada sola obtuvo un índice de 0,88 para diabetes, un desempeño similar al del modelo. Además, ese análisis ya está incluido entre sus componentes. Por eso, el trabajo no permite afirmar que medir proteínas supere a todos los análisis actuales para anticipar diabetes. El interés del modelo está también en que captó señales de riesgo de otras enfermedades, entre ellas hígado graso, enfermedad renal crónica y problemas cardiovasculares.
En Inter99, la estimación también se relacionó con futuros diagnósticos de diabetes, obesidad y enfermedad renal crónica, entre otros desenlaces. Esa comprobación en otra población refuerza la señal inicial. Sin embargo, para diabetes, un indicador calculado mediante una prueba de tolerancia a la glucosa mantuvo la asociación más fuerte. Cada medición parece recoger aspectos diferentes del funcionamiento metabólico.
Lo que el estudio no dice
La parte que relaciona el modelo con enfermedades futuras es observacional. Encontrar proteínas asociadas con un problema no demuestra que esas proteínas lo causen, ni que modificarlas lo prevenga. Tampoco se comparó la atención de pacientes guiada por este modelo con la atención habitual para saber si disminuyen las complicaciones. Predecir mejor y mejorar la salud son resultados distintos.
La base utilizada para desarrollar y comprobar la estimación de sensibilidad a la insulina fue pequeña. Además, esas cohortes incluyeron principalmente personas de ascendencia europea, y el análisis británico seleccionó participantes de esa ascendencia. No hay aquí una validación específica para Perú o América Latina. Los autores también reconocen que no estudiaron sistemáticamente cómo los medicamentos podían afectar las proteínas medidas.
El trabajo recibió apoyo de la Fundación Novo Nordisk y de la Fundación Lundbeck, entre otras entidades. Los autores declaran no tener conflictos de interés y señalan que los financiadores no participaron en el diseño, el análisis ni la decisión de publicar. Esa información forma parte de cómo debe leerse la investigación.
Para quien lee hoy, la novedad es una vía de investigación que podría ampliar lo que una muestra de sangre revela sobre la salud metabólica. Todavía falta establecer cuándo aportaría información útil, cuánto costaría y si usarla cambiaría los resultados de la atención. Este estudio no justifica solicitar por cuenta propia un panel de proteínas. Si te preocupa tu riesgo de diabetes, la interpretación de tus antecedentes y análisis corresponde a un profesional de la salud.
Fuentes y estudios
Los documentos de donde sale esta nota. Ábrelos y compara.
-
01
Abrir
Nature MetabolismEstudio
Plasma proteomics identifies insulin resistance signatures predictive of cardiometabolic disease risk
Artículo original de acceso abierto. Aporta el desarrollo del modelo, las validaciones, las cifras de predicción, las limitaciones y las declaraciones de financiación y conflictos de interés.
-
02
Abrir
NIDDK, National Institutes of HealthDocumento oficial
Insulin Resistance & Prediabetes
Contexto para distinguir resistencia a la insulina y prediabetes, explicar la ausencia habitual de síntomas y el significado de HbA1c. Revisión visible: marzo de 2025; el metadato indica 2025-03-01. No es la fuente de la novedad ni de las cifras del estudio.
Enlaces comprobados al publicar la nota. Si alguno deja de funcionar, avísanos.