Individuel Tidlig Diagnose- og Behandlingssystem for Gestationel Diabetes Mellitus (GDM) Baseret på Ny Kontinuerlig Glucosemonitorering (CGM) Teknologi

Kina har en diabetikerbefolkning på 233 millioner, hvilket udgør en enorm samfundsmæssig byrde. Tidlig genkendelse og intervention for diabetes er presserende nødvendig. I de senere år har stigende beviser fremhævet den kritiske rolle af det tidlige livs udviklingsmiljø i patogenesen af diabetes. Så tidligt som i 1986 foreslog professor Barker teorien om Udviklingsmæssige Oprindelser for Sundhed og Sygdom (DOHaD). Vores forskningsteam validerede tidligere denne teori for første gang i den kinesiske befolkning gennem kohortestudier, og påviste, at ufordelagtige intrauterine miljøer fører til unormal glukosemetabolisme hos afkom og at tidlige livsinterventioner effektivt kan forhindre voksendiabetes.

Ifølge International Diabetes Federations Diabetes Atlas (11. udgave) er den globale forekomst af hyperglykæmi under graviditet 16,7 %, hvor graviditetsdiabetes (GDM) udgør op til 80 % af tilfældene. Dette betyder, at en ud af fem levendefødte udsættes for et ufordelagtigt intrauterint miljø tidligt i livet, hvilket øger deres risiko for metaboliske forstyrrelser såsom overvægt, fedme og diabetes i voksenalderen. GDM øger væsentligt risikoen for uønskede graviditetsudfald og truer alvorligt den metaboliske sundhed hos både mødre og afkom. Tidlig og effektiv diagnose og forebyggelse af GDM er derfor afgørende for at forbedre den metaboliske sundhed hos mødre og børn.

Den nuværende diagnose af GDM er baseret på orale glukosetoleranceprøver (OGTT) udført ved 24-28 ugers graviditet, som har begrænsninger såsom statisk og enkelt-tidspunkt måling, operationel kompleksitet, forsinket diagnose og begrænset tid for effektiv intervention. Derfor er der et presserende behov for at udvikle nye teknologier til tidlig forudsigelse og diagnose af GDM.

Kontinuerlig glukoseovervågning (CGM) i første trimester tilbyder fordele inklusive 24/7 detaljerede glukosedata, detektion af skjult hyperglykæmi, vurdering af glykæmisk variabilitet og kompatibilitet med AI-assisteret analyse, hvilket viser stort potentiale for tidlig diagnose og behandling af GDM. Tidligere anvendte vores team CGM hos patienter med type 2-diabetes og blev tildelt et kinesisk opfindelsespatent for "Brug af CGM til forbedret behandling og overvågning af glukose ved type 2-diabetes (CN 109637677A)". I de senere år er CGM blevet bredt anvendt i diabetesbehandling og er begyndt at blive anvendt i behandlingen af HbA1c-niveauer hos gravide med type 1-diabetes. Forskning i dens anvendelse hos gravide med type 2-diabetes og GDM er dog stadig i dens tidlige stadier. Der er i øjeblikket mangel på studier, der anvender CGM kombineret med kunstig intelligens til tidlig diagnose og forudsigelse af GDM i første trimester.

Derudover har flere studier udforsket risikofaktorer og biomarkører for GDM for at muliggøre tidlig screening og forudsige maternelle og fetale udfald. De fleste forskningsprojekter har dog været begrænset til enkelt-omics tilgange eller senere graviditetstidspunkter, hvilket præsenterer adskillige begrænsninger. Studier udført på tidligere graviditetsperioder, på tværs af flere tidspunkter og ved brug af multi-omics tilgange vil yderligere afsløre biomarkører, der kan forudsige maternelle og fetale udfald i GDM.

Derfor planlægger vores gruppe at etablere en GDM mor-barn kohorte, der dækker graviditets- og perinatalperioderne. Vi sigter mod at foreslå tidlige diagnostiske kriterier for GDM baseret på CGM, udvikle klinisk anvendelige AI-drevne værktøjer til at analysere og fortolke CGM-data og formulere hjælpediagnostiske strategier for GDM. Vi vil udforske CGM-parametre og multi-omics biomarkører, der er velegnede til at forudsige maternelle og fetale udfald. Baseret på disse resultater forventes vi at etablere en intelligent behandlingsplatform for GDM, som vil flytte det kliniske vindue for GDM-diagnose og behandling fremad og forbedre både kort- og langsigtede sundhedsresultater for mødre og deres afkom.