Pour prévoir la progression du DT2 et sa réponse au traitement, rien ne vaut la clinique

L’an dernier, dans Lancet Diabetes Endocrinol, à partir des données issues de la cohorte ANDIS concernant tous les nouveaux diabétiques en Scandinavie, Ahlqvist et son équipe ont identifié 5 grands groupes de patients diabétiques. Ces grands types de diabète de type 2 étaient définis par la présence d’anticorps anti-GAD et 4 autres groupes, caractérisés par l’absence d’anticorps anti-GAD, avaient des différences variables en termes d’âge au diagnostic, de mesure initiale de l’IMC, de l’HbA1c et de l’index HOMA.  Cependant, on peut se demander si la définition des sous-groupes telle qu’elle est issue de ces analyses a réellement une utilité clinique et en particulier si ces sous-groupes diffèrent en termes de réponse au traitement. L’équipe d’Andrew Hattersley a donc comparé la capacité de prédiction de l’évolution des patients si l’on se référait à cette approche en 5 sous-groupes et celle d’une stratégie alternative où des modèles sont développés pour chaque complication en fonction de caractéristiques initiales simples des patients.  Ils ont pour cela utilisé les données de l’étude ADOPT qui a porté sur 4 351 sujets et ont identifié les 5 grands groupes définis selon Alqvist. Ils ont alors comparé l’intérêt de cette méthode de clustérisation en 5 groupes avec une simple stratification à partir de caractéristiques cliniques simples telles que l’âge au diagnostic pour la progression glycémique et la fonction rénale basale pour la progression rénale. Ils ont ensuite vérifié leurs conclusions en se basant cette fois sur les données d’un autre essai indépendant, la cohorte RECORD. Les grands groupes identifiés dans les données de ces essais cliniques étaient similaires à celles décrites dans l’étude originale d’Ahlqvist et al. Les 5 clusters étaient différents en termes de progression glycémique mais si on utilisait un modèle basé sur l’âge au diagnostic seul, il était possible d’expliquer aussi bien les variations de la progression. L’incidence de l’insuffisance rénale chronique entre les 5 clusters est certes différente mais là encore, le taux de filtration glomérulaire basal est un meilleur prédicteur du temps à développer une insuffisance rénale chronique. Les clusters différaient en termes de réponse glycémique avec un bénéfice particulier des thiazolidinediones chez les patients du cluster « sévèrement insulinorésistant » et des sulfonylurées chez les patients du cluster « diabète lié à l’âge modéré ». Toutefois, les simples caractéristiques cliniques étaient encore une fois meilleures pour sélectionner les traitements chez les sujets individuels.  En conclusion, si cette clustérisation en 5 groupes obtenue à partir des données scandinaves est différente en termes de progression du diabète et de réponse au traitement, les modèles basés sur des caractéristiques cliniques continues simples semblent plus utiles pour stratifier les patients. Ceci suggère que la médecine de précision dans le diabète de type 2 aura probablement une utilité clinique maximale si elle est basée sur une approche utilisant les mesures phénotypiques spécifiques afin de prédire des évolutions de complications spécifiques plutôt que d’assigner les patients à des sous-groupes.