DIAGMENT

Type 2-diabetes (T2D) utgjør en økende global helseutfordring, og det er fortsatt krevende å identifisere hvem som vil utvikle sykdommen og når. Dagens risikokalkulatorer bygger ofte på populasjonsbaserte gjennomsnittsmål og tar ikke tilstrekkelig hensyn til genetiske, metabolske og psykiatriske faktorer som påvirker individuelle risikoforløp. Målet med DIAGMENT er å møte denne utfordringen ved å bruke avanserte maskinlæringsteknikker til å utforske hvordan genetikk, metabolisme, livsstil og mental helse samvirker for å påvirke debutalder og risiko for kardiovaskulær sykdom (CVD) – den ledende dødsårsaken blant personer med T2D. Ved å benytte data fra store internasjonale biobanker og den danske DD2-kohorten skal DIAGMENT utvikle personaliserte, multimodale prediksjonsmodeller for å forbedre tidlig oppdagelse og forebygging, samt bidra til mer presise og effektive strategier for behandling av diabetes.

Bakgrunn:

T2D rammer over 500 millioner mennesker globalt og representerer en betydelig folkehelseutfordring. Mange faktorer bidrar til sykdomsutviklingen, inkludert genetiske, miljømessige og atferdsmessige trekk. Mental helse, i samspill med livsstilsfaktorer som fedme, kosthold og fysisk inaktivitet, spiller en viktig – men ofte undervurdert – rolle. Nyere genomvide assosiasjonsstudier viser overlappende genetisk arkitektur mellom T2D, livsstil og alvorlige psykiske lidelser, som depresjon, schizofreni og bipolar lidelse. Beregning av polygen risikoscore har forbedret sykdomsstratifisering, men er begrenset av statiske modeller og manglende evne til å predikere debutalder.

Fremskritt innen metabolomikk, blant annet ved bruk av kjernemagnetisk resonans, gir ny biologisk innsikt i T2D og kardiovaskulære komplikasjoner. Ved å integrere genetikk, metabolisme, livsstil og mental helse søker DIAGMENT å forbedre individuelle sykdomsrisikoprofiler. Prosjektet har som mål å etablere et rammeverk for tidlig og personalisert forebygging gjennom bruk av store biobanker og DD2-klinikkohorten.

Metoder og design:

Prosjektet er delt inn i tre hovedarbeidspakker (WP):

• WP1: Polygen risikoscore - Modellering av aldersavhengig genetisk risiko for T2D-debut.
• WP2: Multimodal risikomodell - Integrasjon av genetiske, livsstilsrelaterte, mentale og metabolske faktorer for å predikere risiko for kardiovaskulære komplikasjoner hos T2D-pasienter.
• WP3: Avansert prediksjonsmodell («Digital Avatar») - Personaliserte sykdomsforløp basert på arvelige biomarkører ved bruk av fødererte maskinlæringsalgoritmer.

Modellene trenes på data fra store internasjonale biobanker, som UK Biobank, og valideres eksternt i DD2 – en klinisk kohort bestående av 11 369 nyoppdagede T2D-pasienter med opptil 15 års oppfølging.

Formål / forskningsspørsmål:

• Gå utover tradisjonelle case–control-design ved å bruke modeller for T2D-debutalder.
• Forbedre algoritmer for personalisert prediksjon av kardiovaskulære komplikasjoner hos T2D-pasienter, basert på genetiske, livsstilsmessige, mentale og metabolske faktorer.
• Øke prediksjonskraften ved å kombinere genetikk for biomarkører og sykdom for å etablere mer presise risikonormer og sykdomsforløp.

Status:

DIAGMENT finansieres av Novo Nordisk Foundation DD2 Research Grant (2024) og pågår fra august 2025 til juli 2028. Forberedende arbeid omfatter plasma-metabolomikk i DD2-biobanken, utvikling av modelltrening og harmonisering av data på tvers av biobanker og registre.

Samarbeidspartnere:

• Prof. Ole A. Andreassen, Senter for presisjonspsykiatri, Divisjon for psykisk helse og avhengighet, Oslo universitetssykehus & Institutt for klinisk medisin, Universitetet i Oslo
• Dr. Dennis van der Meer, Senter for presisjonspsykiatri, Divisjon for psykisk helse og avhengighet, Institutt for klinisk medisin, Universitetet i Oslo
• Prof. Anders M. Dale, Center for Multimodal Imaging and Genetics, J. Craig Venter Institute, La Jolla, Californi