Auto-Antikörper-Diagnostik in der Diabetologie – Aktueller Stand der Analytik und klinische Anwendung in Deutschland

Zusammenfassung

Die Messung von spezifischen Autoantikörpern gegen beta-Zellproteine (beta-AAK) hat in den letzten Jahren das diagnostische Repertoire in der Diabetologie erweitert. Das Vorliegen von beta-AAK kann als erstes Stadium in der Entwicklung eines Typ-1-Diabetes mellitus (DM) gewertet werden, ohne dass Symptome bzw. metabolische Veränderungen vorliegen. Da sich diese oft Jahre vor der klinischen Manifestation in Personen mit hohem Erkrankungsrisiko nachweisen lassen, stellen sie wichtige prädiktive und frühdiagnostische Marker dar. Weiterhin kann die Bestimmung von beta-AAK zur Unterscheidung von Patienten mit einem Typ-1-DM auf der einen und Typ-2-DM und Maturity-Onset Diabetes of the Young (MODY) auf der anderen Seite indiziert sein. Auch für die Differenzialdiagnostik von Patienten mit Insulinmangel aufgrund einer autoimmunen Betazelldestruktion und von Patienten mit klinisch sehr ähnlichem „severe-insulin-deficient“-Diabetes, die aber beide eine unterschiedliche Prognose haben, ist die Antikörperdiagnostik zielführend. Die Abschätzung des Risikos für die Entwicklung eines Typ-1-DM bei Patienten, die an autoimmunen Endokrinopathien leiden, stellt einen weiteren Einsatzbereich für beta-AAK dar.

Analytisch sind die beta-AAK mit recht unterschiedlichen Methoden messbar; häufig aber weichen die erhaltenen Messergebnisse bei verschiedenen Testmethoden beträchtlich voneinander ab. Es müssen daher eigene Cut-off Werte vom beauftragten Labor definiert werden, um die erhaltenen Ergebnisse klinisch interpretieren zu können. Zur besseren Vergleichbarkeit der Messergebnisse gibt es derzeit international abgestimmte Harmonisierungsbestrebungen. Für teilnehmende Laboratorien angebotene Ringversuche für die Bestimmungen der Autoantikörper gegen Insulin (IAA), Insulinoma-Antigen 2 (IA-2), Zink Transporter-8 (ZnT8) und Glutamatdecarboxylase (GAD65) können die analytische Qualität ebenfalls verbessern.

Abstract

The measurement of specific autoantibodies against beta-cell proteins (beta-AAK) has expanded the diagnostic repertoire in diabetology in recent years. The presence of beta-AAK can be interpreted as the first stage of a type 1 diabetes mellitus (DM) without the presence of symptoms or metabolic changes. Since they can often be detected years before clinical manifestation in individuals at high risk of disease, they represent important predictive and early diagnostic markers. Furthermore, the determination of beta-AAK may be indicated for the differentiation of DM type 1 on the one hand and DM type 2 and Maturity-Onset Diabetes of the Young (MODY) on the other hand. Antibody diagnostics are also essential to distinguish “autoimmune insulin deficient” from “severe-insulin-deficient” patients, who are clinically very similar but have different prognosis. Estimating the risk of developing DM type 1 in patients suffering from autoimmune endocrinopathies is another area of application for beta-AAK.

Analytically, beta-AAK can be determined by very different methods; however, often the results obtained for different test methods are not comparable. Therefore, cut-off values have to be defined by the respective laboratory in order to be able to interpret the obtained results clinically. The comparability of the results is currently aimed at via internationally coordinated harmonization actions. Ring trials (Interlaboratory comparisons) offered to participating laboratories for the determination of antibodies against insulin (IAA), Insulinoma-Antigen 2 (IA-2), Zink transporter-8 (ZnT8) and glutamate decarboxylase (GAD65) can help to improve the analytical quality.

Schlüsselwörter

Diabetes mellitus - Autoantikörper - Harmonisierung - Richtigkeit - klinische Verwendung

Keywords

Diabetes mellitus - autoantibodies - harmonization - accuracy - clinical utility

Publication History

Received: 10 September 2021

Accepted after revision: 11 January 2022

Article published online:
17 February 2022

• Literatur

• 1 Ziegler AG, Nepom GT. Prediction and pathogenesis in type 1 diabetes. Immunity 2010; 32: 468-478 DOI: 10.1016/j.immuni.2010.03.018. (PMID: 20412757)
• 2 Ziegler AG, Bonifacio E, Group BBS. Age-related islet autoantibody incidence in offspring of patients with type 1 diabetes. Diabetologia 2012; 55: 1937-1943
• 3 Insel RA, Dunne JL, Atkinson MA. et al. Staging presymptomatic type 1 diabetes: a scientific statement of JDRF, the Endocrine Society, and the American Diabetes Association. Diabetes Care 2015; 38: 1964-1974 DOI: 10.2337/dc15-1419. (PMID: 26404926)
• 4 Ziegler AG, Kick K, Bonifacio E. et al. Yield of a public health screening of children for islet antibodies in Bavaria, Germany. JAMA 2020; 323: 339-351 DOI: 10.1001/jama.2019.21565. (PMID: 31990315)
• 5 Herold KC, Bundy BN, Long SA. et al. An anti-CD3 antibody, Teplizumab, in relatives at risk for type 1 diabetes. N Engl J Med 2019; 381: 603-613 DOI: 10.1056/NEJMoa1902226. (PMID: 31180194)
• 6 Warshauer JT, Bluestone JA, Anderson MS. New frontiers in the treatment of type 1 diabetes. Cell Metab 2020; 31: 46-61 DOI: 10.1016/j.cmet.2019.11.017. (PMID: 31839487)
• 7 Nauck M, Gerdes C, Petersmann A. et al. Definition, Klassifikation und Diagnostik des Diabetes mellitus: Update 2020. Diabetologe 2020; 15: 9-17
• 8 Hörber S, Achenbach P, Schleicher E. et al. Harmonization of immunoassays for biomarkers in diabetes mellitus. Biotechnol Adv 2020; 39: 107359 DOI: 10.1016/j.biotechadv.2019.02.015. (PMID: 30802485)
• 9 Lampasona V, Liberati D. Islet autoantibodies. Curr Diab Rep 2016; 16: 53 DOI: 10.1007/s11892-016-0738-2. (PMID: 27112957)
• 10 Miller WG, Tate JR, Barth JH. et al. Harmonization: the sample, the measurement, and the report. Ann Lab Med 2014; 34: 187-197 DOI: 10.3343/alm.2014.34.3.187. (PMID: 24790905)
• 11 Mire-Sluis AR, Gaines Das R, Lernmark A. The World Health Organization international collaborative study for islet cell antibodies. Diabetologia 2000; 43: 1282-1292 DOI: 10.1007/s001250051524. (PMID: 11079747)
• 12 Bonifacio E, Yu L, Williams AK. et al. Harmonization of glutamic acid decarboxylase and islet antigen-2 autoantibody assays for national institute of diabetes and digestive and kidney diseases consortia. J Clin Endocrinol Metab 2010; 95: 3360-3367 DOI: 10.1210/jc.2010-0293. (PMID: 20444913)
• 13 Bingley PJ, Bonifacio E, Mueller PW. Diabetes antibody standardization program: first assay proficiency evaluation. Diabetes 2003; 52: 1128-1136 DOI: 10.2337/diabetes.52.5.1128. (PMID: 12716742)
• 14 Lampasona V, Pittman DL, Williams AJ. et al. Islet autoantibody standardization program 2018 workshop: interlaboratory comparison of glutamic acid decarboxylase autoantibody assay performance. Clin Chem 2019; 65: 1141-1152 DOI: 10.1373/clinchem.2019.304196. (PMID: 31409598)
• 15 Hörber S, Kaiser P, Achenbach P. et al. Neue Klassifikation des Diabetes mellitus – Anforderungen an Labormessgrößen. Diabetol Stoffwechs 2021; 16: 63-69
• 16 Bonifacio E, Achenbach P. Birth and coming of age islet autoantibodies. Clin Exp Immunol 2019; 198: 294-305 DOI: 10.1111/cei.13360. (PMID: 31397889)
• 17 [Anonym]. Richtlinie der Bundesärztekammer zur Qualitätssicherung laboratoriumsmedizinischer Untersuchungen – Rili-BÄK. Dtsch Ärztebl 2019; 116 DOI: 10.3238/arztebl.2019.rili_baek_QS_Labor20192312.
• 18 Conrad K, Schößler W, Hiepe F. et al. Autoantibodies in organ specific autoimmune diseases. A diagnostic reference. 2nd ed. Lengerich: Pabst Science Publishers; 2017
• 19 Jones AG, McDonald TJ, Shields BM. et al. Latent autoimmune diabetes of adults (LADA) is likely to represent a mixed population of autoimmune (type 1) and nonautoimmune (type 2) diabetes. Diabetes Care 2021; 44: 1243-1251 DOI: 10.2337/dc20-2834. (PMID: 34016607)
• 20 Achenbach P, Hawa MI, Krause S. et al. Autoantibodies to N-terminally truncated GAD improve clinical phenotyping of individuals with adult-onset diabetes: action LADA 12. Diabetologia 2018; 61: 1644-1649 DOI: 10.1007/s00125-018-4605-3. (PMID: 29619531)
• 21 Ahlqvist E, Storm P, Käräjämäki A. et al. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. Lancet Diabetes Endocrinol 2018; 6: 361-369 DOI: 10.1016/S2213-8587(18)30051-2. (PMID: 29503172)
• 22 Buzzetti R, Tuomi T, Mauricio D. et al. Management of latent autoimmune diabetes in adults: a consensus statement from an international expert panel. Diabetes 2020; 69: 2037-2047 DOI: 10.2337/dbi20-0017. (PMID: 32847960)
• 23 Mai K, Fassnacht M, Führer-Sakel D. et al. Diagnostik und Management endokriner Nebenwirkungen von Immuncheckpoint-Inhibitoren. Dtsch Ärztebl Int 2021; 118: 389-396