Maskininlärnings‑predicerad insulinresistens är en riskfaktor för 12 typer av cancer

Varför denna forskning är viktig för vardagshälsan

De flesta har hört att övervikt och typ 2‑diabetes kan öka risken för cancer, men den dolda länken mellan dem—hur väl kroppen svarar på insulin—mäts sällan i rutinkontroller. Denna studie visar att en datorgenererad poäng för ”insulinresistens”, framtagen enbart från vanliga blodprover och grundläggande hälsodata, kan identifiera personer med högre risk inte bara för diabetes och hjärtproblem utan även för flera stora cancerformer. Det antyder att information som läkare redan samlar in skulle kunna kombineras på smartare sätt för att identifiera högre risk tidigare och styra mer riktad screening.

Ett digitalt fingeravtryck för insulinresistens

Insulin är ett hormon som hjälper socker att förflytta sig från blodet in i organ som muskler, lever och fettvävnad. När dessa vävnader slutar reagera normalt—kallat insulinresistens—kompenserar kroppen genom att producera mer insulin, vilket över tid kan leda till typ 2‑diabetes och hjärtsjukdom. Guldstandardtestet för insulinresistens är komplext, tidskrävande och olämpligt för stora befolkningsgrupper. Även enklare forskningsmått kräver fasta‑insulinnivåer, som inte vanligtvis kontrolleras i vardagspraktik. För att kringgå detta hinder tränade forskarna tidigare en maskininlärningsmodell att förutsäga om en person är insulinresistent baserat på nio rutinmått: ålder, kön, ras, body mass index (BMI), fasteblodsocker, långtidsblodsocker (HbA1c), triglycerider, totalt kolesterol och det ”goda” HDL‑kolesterolet. Den resulterande poängen kallas artificiell‑intelligens‑härledd insulinresistens, eller AI‑IR.

Test av poängen i hundratusentals människor

I detta nya arbete tillämpade teamet AI‑IR på data från mer än 370 000 deltagare i UK Biobank, en långvarig hälsostudie av vuxna i åldern 40 till 69 år. Först undersökte de om poängen kunde förutsäga vilka som senare skulle utveckla diabetes, hjärtproblem eller avlida under uppföljningen. Personer utan diabetes som var AI‑IR‑positiva hade ungefär sju gånger högre sannolikhet att utveckla diabetes än de som var AI‑IR‑negativa, även efter justering för ålder och kön. De löpte också större risk att bli inlagda med diabetes, att drabbas av större hjärt‑ och kärlhändelser och att avlida av kardiovaskulära orsaker eller av alla orsaker. När man direkt jämförde med enklare mått som BMI, metabolt syndrom och två blodfettbaserade index gav AI‑IR de mest precisa prognoserna för framtida diabetes.

Kopplingen mellan insulinresistens och cancer

Forskarna fokuserade sedan på cancer. Bland deltagare utan tidigare cancer i starten följde de vilka som över tid utvecklade olika tumörtyper, med hjälp av länkat data från National Health Service. Betraktar man alla cancerformer sammantaget förändrade inte AI‑IR den totala risken. Men när cancer bröts ner efter lokalisation framträdde ett tydligare mönster. Personer utan diabetes men med en positiv AI‑IR‑poäng hade högre risker för cancer i livmodern, njuren, matstrupen, bukspottkörteln, tjocktarmen och bröstet. De visade också antydd ökning för cancer i njurbäckenet, tunntarmen, magsäcken, levern och gallblåsan, leukemi samt cancer i bronker och lungor. Samtidigt var de mindre benägna att utveckla hudcancer. När dessa cancerformer med förhöjd risk grupperades i ett ”komposit” utfall hade AI‑IR‑positiva individer omkring 25 % högre risk än AI‑IR‑negativa jämnåriga av samma kön, en skillnad som kvarstod, om än något minskad, även efter justering för BMI.

Viktrelaterade och viktoberoende effekter

Där kroppsvikt starkt påverkar insulinresistens undersökte teamet om AI‑IR helt enkelt fungerade som en markör för fetma. De fann att en del av de ökade cancerriskerna—såsom för magsäck, lever och gallblåsa, bukspottkörtel, tjocktarm, leukemi och bröstcancer—till stor del överlappade med BMI:s effekt. Men andra verkade spegla något mer specifikt för insulinresistens i sig. Noterbart blev sambandet mellan AI‑IR och lung‑/bronkkancer ännu starkare efter justering för BMI och förblev signifikant även när rökstatus togs i beaktande. Tidigare rökare med en positiv AI‑IR‑poäng hade särskilt hög risk för lungrelaterade cancerformer och för den bredare gruppen av insulinresistenskopplade cancerformer. Sammanfattningsvis gav AI‑IR bättre riskstratifikation för cancer än BMI och ett annat blodfettindex, och presterade likvärdigt med metabolt syndrom och ett triglycerid‑till‑HDL‑kvot‑mått, samtidigt som det fortfarande var det bästa verktyget för att förutsäga diabetes.

Vad detta betyder för patienter och läkare

Studien tyder på att en ”digital biomarkör” för insulinresistens, beräknad utifrån information som redan samlas in i de flesta kliniker, kan lyfta fram personer med ökad risk för både diabetes och en kluster av cancerformer. Även om AI‑IR ännu inte är ett eget screeningtest kan det hjälpa kliniker att avgöra vem som kan ha nytta av tätare blodsockerkontroller, mer aggressiva livsstils‑ eller läkemedelsinterventioner och tidigare eller mer inriktad cancerscreening, särskilt för organ som livmoder, njure, tjocktarm, lunga, bröst och bukspottkörtel. Arbetet belyser också insulinresistens som en biologisk väg som länkar övervikt, onormala blodfetter och kronisk inflammation till cancer, och uppmuntrar framtida forskning om hur förbättrad insulinkänslighet—genom kost, motion eller läkemedel—kan sänka cancerrisken såväl som förebygga diabetes.

Citering: Lee, CL., Yamada, T., Liu, WJ. et al. Machine learning-predicted insulin resistance is a risk factor for 12 types of cancer. Nat Commun 17, 1396 (2026). https://doi.org/10.1038/s41467-026-68355-x

Nyckelord: insulinresistens, maskininlärning, diabetesrisk, cancerrisk, UK Biobank