Immer mehr Menschen erkranken in unseren Breiten an Diabetes. Deswegen ist eine personalisierte Prävention von Diabetes von großer Bedeutung.
Unter dem Strich sind viele Millionen betroffenen, wobei Anzahl der Menschen mit Typ-2-Diabetes weiter stark ansteigt [1]. Wobei die Sterblichkeit durch Diabetes sehr hoch ist [2]. Dies macht deutlich, wie dringend man neue wirksame Maßnahmen zur Prävention von Diabetes sowie innovative Behandlungsformen benötigt.
Jedenfalls ist Typ-2-Diabetes eine sehr heterogene Erkrankung. Studien aus Skandinavien zeigen, dass beim Typ-2-Diabetes verschiedenen Untertypen vorkommen, die unterschiedlich schwer verlaufen [3, 4]. Diese Untertypen konnten unlängst das Deutsche Zentrum für Diabetesforschung (DZD) in Analysen der German Diabetes Study (GDS) bestätigen. Im Grunde genommen haben Patienten, die an bestimmten Subtypen leiden, ein hohes Risiko für diabetische Folgeschäden. Dies zeigt, wie wichtig hier eine gezielte Prävention von Diabetes ist.
Unterschiedliche Subtypen bei Prädiabetes
Aktuelle Studien des DZD zeigen, dass es bereits beim Prädiabetes unterschiedliche Subgruppen gibt, die unter anderem auch unterschiedlich auf Lebensstil-Interventionen reagieren [5]. Außerdem weisen Studien darauf hin, dass nicht jeder Prädiabetiker das gleich hohe Risiko hat, später auch einen Diabetes zu entwickeln. Es gibt vielmehr eine Hochrisikogruppe. Beispielsweise entwickeln Probanden, die an einer Fettleber mit Insulinresistenz oder einer Insulin-Sekretionsstörungen leiden, sehr wahrscheinlich einenmanifesten Diabetes.
Zudem ist das Risiko erhöht, später auch Folgeerkrankungen auszubilden. Untersuchungen deuten darauf hin, dass eine intensive Lebensstilintervention mit viel Bewegung und einer nachhaltigen begleitenden Beratung hier helfen kann, den Ausbruch der Stoffwechselerkrankung hinauszuzögern oder gar zu vermeiden.
Digitalisierung ermöglicht, die Prädiktion und Prävention von Diabetes in einer neuen Dimension zu erforschen
Das DZD arbeitet daran, weitere Subtypen des Diabetes und des Prädiabetes zu identifizieren und dafür spezifische Präventionsansätze beziehungsweise Therapien zu entwickeln. Dazu laufen unter anderem große Multicenter-Studien. Darüber hinaus verfügt das DZD über einen riesigen Datenschatz. Diese stammen aus Kohorten, klinischen Studien, Bioproben, präklinischen Modellen, Untersuchungen an verschiedenen Standorten, Omics-Analysen sowie Geno- und Phänotypisierungen.
Im Projekt DZD CONNECT werden Forschungsdaten aus diesen Quellen mithilfe von innovativen IT-Technologien analysiert, um Muster zu erkennen. Zum Beispiel für Subtypen des Diabetes. Daraus versuchen die Forscher in einem nächsten Schritt, Schlüsse für Diagnose sowie Therapie abzuleiten. Die Digitalisierung eröffnet die Möglichkeit, die Prädiktion und Prävention der Volkskrankheit Diabetes in einer vollkommen neuen Dimension zu erforschen.
Schließlich soll ein digitales Diabetes-Präventionszentrum, kurz DDCP, große Bevölkerungsgruppen, Gesundheits- und Forschungsdaten einbeziehen. Damit soll mithilfe innovativer Informationstechnologien die Chance genutzt werden, Subtypen des Diabetes in der Bevölkerung frühzeitig zu erkennen. Dies soll dann eine zielgerichtete personalisierte Prävention von Diabetes beziehungsweise eine individualisierte Therapie ermöglichen [6].
Literatur:
1) Tönnies et al. Projected number of people with diagnosed Type 2 diabetes in Germany in 2040. Diabet. Med., 2019 DOI: https://doi.org/10.1111/dme.13902
2) Jacobs et al. Burden of Mortality Attributable to Diagnosed Diabetes: A Nationwide Analysis Based on Claims Data from 65 Million People in Germany. Diabetes Care, 2017 DOI: 10.2337/dc17-0954
3) Ahlqvist et al. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. The Lancet Diabetes & Endocrinology, 2018 DOI: https://doi.org/10.1016/S2213-8587(18)30051-2
4) Stidsen et al. Pathophysiology-based phenotyping in type 2 diabetes: A clinical classification tool. Diabetes Metab Res Rev,. 2018 DOI: 10.1002/dmrr.3005
5) Böhm et al. TGF-β Contributes to Impaired Exercise Response by Suppression of Mitochondrial Key Regulators in Skeletal Muscle. Diabetes, 2016 DOI: 10.2337/db15-1723
6) Jarasch et al. Mit Big Data zur personalisierten Diabetesprävention. Diabetologe, 2018 DOI: https://doi.org/10.1007/s11428-018-0384-1
Quellen:
Statement: Aktuelle Forschung aus dem DZD. Personalisierte Prävention von Diabetes – Relevanz der Subgruppen. Professor Dr. Martin Hrabě de Angelis Vorstandsmitglied beim Deutschen Zentrum für Diabetesforschung. Direktor und Lehrstuhlinhaber der Institute für Experimentelle Genetik am Helmholtz Zentrum München und der Technischen Universität München. PK der Deutschen Gesellschaft für Innere Medizin e.V. (DGIM).
