Trithérapie dans le diabète de type 2 : nouveaux horizons pour les soins personnalisés

Le diabète de type 2 (T2DM) demeure un défi de santé mondial, affectant des centaines de millions de personnes et imposant des charges importantes aux systèmes de santé. Au fur et à mesure que la maladie progresse, la monothérapie standard avec la metformine est souvent insuffisante pour maintenir des cibles glycémiques. En réponse, les cliniciens se tournent de plus en plus vers la triple thérapie – une combinaison de trois agents avec des mécanismes d'action complémentaires. En général, la metformine plus un agent injectable comme un agoniste récepteur peptide-1 (GLP-1) ou un inhibiteur du cotransporteur 2 (SGLT2) de sodium-glucose, ainsi qu'un troisième médicament comme un sulfonylurée, un inhibiteur DPP-4 ou une insuline basale.

Les progrès récents en génomique, en protéomique et en métabolomique ont commencé à éclairer les raisons pour lesquelles certains individus réagissent différemment à des combinaisons de médicaments spécifiques. En identifiant quelles signatures moléculaires prévoient une réponse favorable à la triple thérapie, les cliniciens peuvent adapter les régimes dès le départ – ce qui réduit potentiellement le temps que les patients consacrent à des médicaments inefficaces et réduit le risque d'effets indésirables.

La justification croissante des biomarqueurs de trithérapie

Le T2DM n'est pas une maladie unique, mais un trouble hétérogène caractérisé par des degrés variables de résistance à l'insuline, de dysfonction béta-cellulaire, de carence en incrétine et d'altération de la manipulation du glucose rénal. La trithérapie s'attaque simultanément à de multiples défauts pathologiques : la metformine réduit la production de glucose hépatique, les agonistes GLP-1 augmentent la sécrétion d'insuline et retardent la vidange gastrique, les inhibiteurs SGLT2 favorisent la glucosiurie et améliorent la fonction cardiaque.

Les biomarqueurs qui stratifient les patients en répondant probablement aux autres intervenants par rapport aux non-répondeurs pourraient transformer ce processus. Par exemple, un patient ayant une forte sécrétion endogène d'insuline pourrait bénéficier davantage d'un agoniste récepteur GLP‐1 que d'un inhibiteur SGLT2, alors que quelqu'un ayant une résistance à l'insuline prédominante pourrait avoir besoin d'une augmentation de la dose de thiazolidinedione ou de metformine.

Principales catégories de biomarqueurs prédictifs émergents

Les chercheurs ont exploré plusieurs classes de biomarqueurs, allant des polymorphismes mononucléotidiques aux signatures multiomiques, pour leur capacité à prévoir la réponse à la triple thérapie.

Variantes génétiques: Clues pharmacogénomiques

L'héritabilité de la réponse médicamenteuse dans le diabète est bien établie, avec plusieurs études d'association à l'échelle du génome (GWAS) identifiant des variantes qui influencent les résultats glycémiques.L'un des locus les plus étudiés implique le facteur de transcription 7-comme 2 (TCF7L2 gène. Les variations dans TCF7L2 sont fortement associées à une sécrétion d'incrétine altérée et à une réponse GLP‐1 réduite. Les patients porteurs de l'allèle de risque (rs7903146 T) peuvent présenter une réponse émoussée aux agonistes des récepteurs GLP‐1 et, par conséquent, tirer moins de bénéfices des régimes de triple thérapie qui reposent fortement sur l'axe incrétinien. Inversement, les personnes sans l'allèle de risque pourraient obtenir une plus grande réduction de l'HbA1c.

Les autres marqueurs pharmacogénomiques comprennent des variantes du gène KCNJ11 (encodant la sous-unité Kir6.2 du canal potassique sensible à l'ATP), qui affectent l'efficacité des sulfonylurées; et des polymorphismes dans le gène SLC22A1[ et SLC22A2 gènes qui influencent le transport de metformine. Bien que les effets des variantes individuelles soient souvent modestes, les scores de risque polygéniques qui regroupent plusieurs allèles peuvent éventuellement fournir des prédictions cliniquement exploitables. Par exemple, une pondération composite TCF7L2, PPARG[, et KCNJ11 pourrait différencier les patients qui obtiendront une réduction ≥1% de HbA1c sur la mise en forme de ceux qui ne le modèle pas.

Biomarqueurs métaboliques et hormonaux

Les concentrations de C-peptides à jeun et stimulées reflètent la fonction bêta-cellulaire résiduelle, qui est un déterminant clé de la réponse aux traitements à base de sécrétagogue. Chez les patients ayant un C-peptide conservé (p. ex. >0,5 nmol/L), la triple thérapie incluant un agoniste récepteur GLP‐1 ou un sulfonylurée peut apporter des améliorations glycémiques substantielles. Chez les patients ayant un C‐peptide faible, les combinaisons insulinocentriques sont probablement plus efficaces.

Les personnes présentant une résistance sévère à l'insuline (HOMA‐IR >5) peuvent bénéficier de la metformine, d'un inhibiteur SGLT2 et d'une thiazolidinedione, tandis que celles présentant une résistance plus légère peuvent atteindre des cibles avec la metformine, un agoniste GLP‐1 et un inhibiteur DPP‐4. Les biomarqueurs lipidiques, les triglycérides, les HDL‐C et les acides gras circulants, ajoutent une autre couche. Les triglycérides élevés et les faibles HDL‐C accompagnent souvent la résistance à l'insuline et prédisent une réponse suboptimale à la metformine en monothérapie; une triple thérapie comprenant des agents ciblant la lipotoxicité (p. ex. pioglitazone) pourrait être priorisée.

Marqueurs inflammatoires et immunitaires

Des cytokines pro-inflammatoires comme le facteur de nécrose tumoraleα (TNF-α), l'interleukine-6 (IL-6) et la protéine C-réactive à haute sensibilité (hs‐CRP) ont été étudiées comme prédicteurs de la réponse antidiabétique. Par exemple, une augmentation de la valeur initiale du hs‐CRP (>3 mg/L) a été associée à une meilleure diminution du glucose par la pioglitazone, en raison des actions anti-inflammatoires du médicament.

Les nouveaux marqueurs immunitaires comprennent les adipokines – leptine et adiponectine – qui modulent la sensibilité à l'insuline. Les faibles taux d'adiponectine sont corrélés à l'obésité et à la résistance à l'insuline; les patients présentant une très faible adiponectine peuvent réagir mal à la metformine seule, mais mieux à un triple régime qui comprend un agoniste GLP‐1 et un inhibiteur SGLT2, qui augmentent les concentrations d'adiponectine.

Signatures protéomiques et métabolomiques

En métabolomique, les acides aminés à chaîne ramifiée (BCAAs; leucine, isoleucine, valine) et les acides aminés aromatiques (tyrosine, phénylalanine) sont fortement liés à la résistance à l'insuline et au diabète incident. Il a été démontré que les taux élevés de BCAA au départ prédisent une réponse glycémique médiocre à la metformine et aux sulfonylurées, mais ils peuvent prévoir une réponse favorable aux inhibiteurs SGLT2, qui réduisent les concentrations de BCAA. Une signature métabolomique composée de BCAAs élevées, de faibles concentrations de glycine et d'acide urique élevé pourrait identifier les patients qui bénéficieront d'une triple thérapie comprenant un inhibiteur SGLT2 et un agoniste GLP‐1 plutôt qu'un sulfonylurée.

Les marqueurs protéomiques tels que les peptides natriurétiques (NT-proBNP) et le facteur de différenciation de croissance 15 (GDF15) apparaissent comme des prédicteurs des résultats cardiovasculaires et rénaux avec les inhibiteurs SGLT2. Cependant, leur rôle dans la prédiction de la réponse glycémique est moins clair. GDF15 est un indicateur du stress cellulaire; des niveaux élevés ont été associés à une réduction plus importante de l'HbA1c avec la metformine et avec le traitement par les inhibiteurs SGLT2.

Études cliniques et validations

Plusieurs études en cours et terminées fournissent une preuve de conception. L'essai GRADE, qui a permis de randomiser les participants à la metformine plus le glimépiride, la sitagliptine, le liraglutide ou l'insuline glargine, a généré un riche dépôt de données génétiques et métaboliques. Des analyses accessoires de GRADE ont montré que TCF7L2 génotype a modifié le temps de l'échec du traitement différemment selon les bras. De même, l'essai DIAMOND et l'étude TriMaster (un modèle multi-étapes, biomarqueur-stratifié au Royaume-Uni) testent si les indices de référence de résistance aux C-peptides et à l'insuline peuvent éventuellement affecter les patients à des séquences de triple thérapie optimales.

Dans une étude notable publiée en 2023 dans Diabetes Care, des chercheurs ont combiné des profils métabolomiques de plus de 2 000 patients atteints de T2DM pour développer un score de réponse métabolique - , qui prédit une réponse de 12 mois à l'HbA1c à la trithérapie (métformine, sulfonylurée, inhibiteur SGLT-2) avec une zone sous la courbe (ASC) de 0,74 [lien]. Les patients du tertile supérieur du score ont obtenu une réduction moyenne de 1,8 % par rapport à 0,7 % dans le tertile inférieur. Ces résultats mettent en évidence le potentiel de scores composites de biomarqueurs pour dépasser la performance de n'importe quel marqueur.

Défis et mises en garde dans la mise en oeuvre du biomarqueur

Malgré cette promesse, plusieurs obstacles doivent être surmontés avant que la trithérapie guidée par les biomarqueurs ne devienne courante. Premièrement, de nombreux marqueurs candidats n'ont pas été validés dans diverses populations ethniques; les variantes génétiques et les profils métabolomiques varient considérablement entre les antiquités. Une note polygénique développée en Europe ne peut pas être transférée aux Asiatiques de l'Est ou aux Africains. Deuxièmement, le coût et l'accessibilité du profilage multiomique demeurent élevés.

En outre, l'approbation réglementaire et les lignes directrices cliniques n'ont pas encore intégré les données biomarqueurs pour la sélection en trois traitements. L'étiquetage actuel des médicaments antidiabétiques ne prescrit pas de tests pharmacogénomiques. Jusqu'à ce que de grands essais randomisés et bien menés démontrent que la prescription de biomarqueurs améliore les résultats difficiles (p. ex., événements cardiovasculaires, complications microvasculaires) sur les soins habituels, les payeurs et les cliniciens hésitent à adopter ces outils de façon générale.

Orientations futures : intégration des multi-omiques et de l'apprentissage automatique

La prochaine frontière des biomarqueurs prédictifs consistera probablement à intégrer plusieurs types de données – génomique, épigénomique, transcriptomique, protéomique, métabolomique et profilage du microbiome – dans un seul algorithme prédictif. Les modèles d'apprentissage automatique formés sur de grandes cohortes démontrent déjà la capacité d'identifier des interactions non linéaires entre biomarqueurs qui améliorent la précision de la prédiction. Par exemple, une étude récente a utilisé un arbre de décision boosté par gradient formé sur 50 variables cliniques et omiques pour prédire la réponse de 6 mois HbA1c à la triple thérapie avec une ASC de 0,82, dépassant les modèles de régression logistique qui n'utilisaient que des caractéristiques cliniques [lien].

Une autre voie prometteuse est l'utilisation de biomarqueurs dynamiques – mesures prises après un court défi médicamenteux – pour mesurer la sensibilité individuelle des médicaments. Par exemple, mesurer les niveaux de C-peptide et de glucose deux heures après une dose d'essai d'un agoniste GLP‐1 pourrait simuler comment un patient pourrait réagir à un traitement chronique.

Si un test de visite unique pouvait estimer la probabilité d'une réduction ≥1% de l'HbA1c avec une combinaison de trois thérapies donnée, la prise de décision clinique serait grandement simplifiée. Des efforts pour miniaturiser la spectrométrie de masse et développer des tests génétiques rapides sont en cours.

Incidences sur la pratique clinique et les résultats pour les patients

Une étude de simulation publiée dans The Lancet Diabetes & Endocrinology a estimé que l'utilisation d'un panel multibiomarqueur validé pour sélectionner une trithérapie réduirait le nombre de patients ayant subi une défaillance du traitement de 25 % sur trois ans, comparativement à l'ajout séquentiel dirigé par les lignes directrices [lien]. Cela reviendrait à réduire de millions le nombre d'années-personnes d'hyperglycémie dans le monde. De plus, les patients passeraient moins de temps sur des médicaments inefficaces, avec moins d'effets secondaires comme l'hypoglycémie ou l'intolérance gastro-intestinale.

Pour les cliniciens, la capacité de prescrire une trithérapie avec confiance, appuyée par des données biomarqueurs, pourrait transformer la gestion du T2DM. Au lieu d'une échelle unique, la sélection thérapeutique deviendrait un processus précis fondé sur des données probantes, ce qui s'harmonise avec le mouvement plus large vers la médecine de précision dans les maladies chroniques.

Conclusion : La route à suivre

La trithérapie représente une option puissante pour contrôler l'hyperglycémie dans le diabète de type 2, mais son succès dépend de la combinaison adéquate avec le patient. Des biomarqueurs émergents, allant de variantes génétiques uniques à des profils multiomiques, offrent le potentiel de prédire la réponse individuelle avec une précision accrue. Des marqueurs génomiques comme TCF7L2, des indicateurs métaboliques comme les taux de C‐peptide et de BCAA, des marqueurs inflammatoires comme hs‐CRP et de nouveaux scores multiomiques ont montré des promesses dans les études préliminaires.

Pour réaliser cette vision, il faudra poursuivre la collaboration entre les chercheurs, les cliniciens, l'industrie et les régulateurs. Les essais pragmatiques qui intègrent la stratification des biomarqueurs dans les soins de routine, ainsi que la déclaration normalisée des résultats, accéléreront la traduction.Les patients et les fournisseurs sont à même de tirer profit d'un avenir où la phrase -one size ne correspond pas à all - est remplacée par -- cette thérapie a été choisie pour vous.

Le présent article comprend des références aux sources suivantes: ÉtudeGRADE[; Note de réponse métabolique dans Diabetes Care[; Prédiction de l'apprentissage de la machine dans Diabetologia; Étude de simulation dans The Lancet Diabetes & Endocrinology. Des listes complètes de références sont disponibles dans les publications respectives.