5 verschiedene Diabetes-Cluster und das Risiko für Diabeteskomplikationen

Die Einteilung des Diabetes mellitus in verschiedene Cluster erlaubt eine Risikoabschätzung für Diabetes-spezifische Komplikationen? Das klingt erst einmal utopisch, dachte ich bevor ich den Vortrag zu „Diabetes und Leber: NAFLD/NASH“ der digitalen Herbsttagung 2020 gehört habe:

Eine schwedische Forschungsgruppe hat erstmals eine Clusteranalyse bei Diabetespatienten angewandt und 5 Cluster mit unterschiedlichem pathophysiologischem und auch genetischem Profil erstellt. Die Daten der deutschen Diabetes-Studie konnten nun diese Einteilung, die unter anderem auf einem unterschiedlichen Grad der Insulinsensitivität beruht, mit Diabeteskomplikationen in Verbindung bringen. Die Einteilung lautet wie folgt:

  • schwerer Autoimmun-Diabetes (SAID)
  • milder altersabhängiger Diabetes (MARD)
  • milder Adipositas-bedingter Diabetes (MOD)
  • schwerer Insulin-resistenter Diabetes (SIRD)
  • schwerer Insulin-defizienter Diabetes (SIDD)

Während der SAID wesentlich dem Typ-1-Diabetes entspricht, wird der Typ-2-Diabetes nochmals in vier weitere Cluster unterteilt: MARD, MOD, SIRD und SIDD.

Die Insulinsensitivität ist in der SIRD-Gruppe am geringsten und das Risiko für die Entwicklung von Komplikationen wie Fettleber und Leberfibrose hier am höchsten. Durch das erhöhte Risiko für kardiovaskuläre Erkrankungen bei NAFLD/NASH und Diabetes ist ein frühzeitiger Therapiebeginn klinisch jedoch hoch relevant. Neue Diabetestherapien wie z.B. SGLT-2-Hemmer (Empagliflozin, Canagliflozin) oder GLP-1-Analoga (Semaglutid) konnten bereits eindrucksvolle Daten zur Reduktion der Fettleber bei Menschen mit Diabetes zeigen.

Zukünftig könnte uns also die Einteilung in die verschiedenen Cluster helfen, frühzeitig Risikopatienten zu detektieren und die Entwicklung von Diabeteskomplikation zu verhindern.

Svenja Meyhöfer

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.