Artículos por palabra clave
Artículos con reseñas
Therapeutic horizons in metabolic dysfunction–associated steatohepatitis
La disfunción metabólica asociada a esteatosis hepática se caracteriza por ser una forma progresiva e inflamatoria de enfermedad hepática impulsada por la diabetes tipo 2 y la obesidad. Actualmente es una de las principales causas que conduce a la cirrosis y al carcinoma hepatocelular.
Se están aplicando terapias avanzadas para frenar su progresión, como los agonistas basados en incretinas (GLP‑1, duales y triples), moduladores metabólicos (agonistas PPAR, FGF21 y THR‑β) y nuevos agentes como los inhibidores de la sintasa de ácidos grasos. Sin embargo, quedan cuestiones no resueltas como la duración del tratamiento, la heterogeneidad en la respuesta, la adherencia a largo plazo y los efectos secundarios, como la pérdida de masa muscular y los problemas gastrointestinales. Por ello, se enfatiza el uso de biomarcadores no invasivos y variantes genéticas (como los polimorfismos PNPLA3) para mejorar la estratificación de estos pacientes y avanzar hacia un enfoque de medicina personalizada.
Type 2 diabetes subtypes classification: a global reckoning with heterogeneity
La heterogeneidad biológica de la diabetes tipo 2, así como su mejor conocimiento actual, hace necesario que se contemplen nuevos subtipos de clasificación. Se proponen 2 nuevos subtipos en función de la fisiopatología: insulinoresistente e insulinodeficiente, más acordes con la disfunción que experimentan las células ß pancreáticas. Aunque cabría introducir un subtipo más a caballo entre los antemencionados. No obstante, hay autores que proponen distinciones más sutiles en este tipo de diabetes, 2 graves: insulinorresistencia grave, insulinodeficiencia grave; a las que sea añadirían 2 moderadas: una relacionada con la obesidad y otra la de aparición en la edad media de la vida. Su distinción es importante y cobra relevancia ante los nuevos medicamentos destinados a tratar estos subtipos de la enfermedad.
Imaging biomarkers of ageing: a review of artificial intelligence-based approaches for age estimation
La edad cronológica está bien determinada, salvo errores en la fecha de nacimiento. Pero importa mucho más la edad biológica debido a las implicaciones que tiene en la salud, posibles enfermedades y estimación de la longevidad; por no hablar de las medidas preventivas que podrían implementarse destinadas a una mejor calidad de vida. Son muchísimas las variables en juego, muchas de ellas determinadas desde múltiples enfoques en medicina preventiva. De ahí el interés en aunar los diferentes marcadores para obtener resultados rápidos y confiables. Se ha puesto el énfasis en modelos de inteligencia artificial (IA) por su enorme capacidad de procesar datos provenientes de muy distintos campos, buscando resultados con menores sesgos. Es conveniente conocer sobre estos estudios que, en un futuro no muy lejano, servirá reconocer la edad biológica y los riesgos asociados de personas concretas para que alcancen mayor y mejor longevidad.
Digital biomarkers of ageing for monitoring physiological systems in community-dwelling adults
Los biomarcadores se consideran parámetros capaces de cuantificar la edad biológica en un organismo dado. Estos biomarcadores pueden ser moleculares, fisiológicos o digitales. Esto últimos son el objetivo del estudio, caracterizados y evaluados según el consorcio de biomarcadores de la edad (Biomarkers of Aging Consortium). Son muchos los parámetros recogidos y estudiados, aunque se requiere de una valoración clínica que refrende los resultados. No obstante, las posibilidades son muchas, una de ellas que pueden estudiarse grupos etarios amplios con un coste muy inferior al de las valoraciones individuales habituales, además de que la búsqueda de biomarcadores con alto potencial tendría una gran repercusión para seleccionar las pruebas más adecuadas para el estudio individualizado de cada paciente.
