Διαβήτης: Το ελληνικό μοντέλο που προβλέπει την εξέλιξη της νόσου

Ένας στους έντεκα ανθρώπους στον κόσμο σήμερα ζει με σακχαρώδη διαβήτη, ενώ ένας
στους δύο διαβητικούς, δηλαδή 212 εκατομμύρια άτομα στον κόσμο, είναι αδιάγνωστοι. Στην Ελλάδα το ποσοστό των αδιάγνωστων διαβητικών αγγίζει το 12% του πληθυσμού.

Από τα παραπάνω προκύπτει πως η αναγνώριση νέων βιοδεικτών (biomarkers), για την αντιμετώπιση της νόσου είναι περισσότερο από αναγκαία. Kατανοώντας αυτή την ανάγκη, Έλληνες ερευνητές προχωρούν ένα βήμα παραπέρα, προκειμένου να προσδιορίσουν με μεγαλύτερη ακρίβεια τα άτομα που διατρέχουν υψηλό κίνδυνο για ανάπτυξη προδιαβήτη και την επακόλουθη εξέλιξη του διαβήτη. Τι ακριβώς κάνουν; Μελετούν συνδυαστικά τους ήδη υπάρχοντες βιοδείκτες.

Συγκεκριμένα, οι ερευνητές του Εργαστηρίου Βιοπληροφορικής και Ανθρώπινης Ηλεκτροφυσιολογίας (BiHELab) του Ιονίου Πανεπιστημίου έχουν ήδη προτείνει την εφαρμογή μιας καινούργιας ερευνητικής μεθοδολογίας υπολογιστικών βιοδεικτών που βασίζεται στη συνολική χαρτογράφηση της αναπτυσσόμενης περιοχής των βιοδεικτών για συγκεκριμένες νόσους, η οποία μπορεί να εφαρμοστεί και για τον διαβήτη.

Συνοπτικά τα στάδια της προτεινόμενης ερευνητικής μεθοδολογίας είναι η ταυτοποίηση του συνόλου όλων των εμπλεκόμενων βιοδεικτών (π.χ. γλυκοποιημένη αιμοσφαιρίνη, φρουκτοζαμίνη, γλυκοποιημένη αλβουμίνη, βιοδείκτες σιέλου ή καρδιαγγειακοί, κ.ά), η ανάπτυξη υπολογιστικών εργαλείων που τους συνδυάζουν, η δημιουργία ενός μαθηματικού μοντέλου και η μελέτη της τελικής λύσης ή προσέγγισης της εξέλιξης της νόσου.

«Το success story του εγχειρήματος είναι το γεγονός ότι μπορούμε με βάση αυτή τη μεθοδολογία να παραγάγουμε υψηλής κλίμακας δεδομένα», εξηγεί ο καθηγητής Παναγιώτης Βλάμος, που ηγείται του εργαστηρίου και συνεχίζει: «Δημιουργούμε το υπολογιστικό μοντέλο που προσομοιώνει τον βιολογικό μηχανισμό της νόσου και προχωρούμε στην πρόγνωση της εξέλιξής της με μεγαλύτερη ακρίβεια και ασφάλεια. Με άλλα λόγια δεν μελετάμε μεμονωμένους βιοδείκτες, αλλά χαρακτηριστικές ιδιότητες των συνόλων βιοδεικτών», καταλήγει.

Σύμφωνα με τον καθηγητή, η εφαρμογή της ενδείκνυται για νόσους, η εξέλιξη των οποίων βασίζεται σε μεγάλο πλήθος βιοδεικτών.