Individualisiertes Frühdiagnose- und Behandlungssystem für Gestationsdiabetes mellitus (GDM) basierend auf neuer kontinuierlicher Glukoseüberwachung (CGM)-Technologie

China hat eine diabetische Bevölkerung von 233 Millionen, was eine enorme gesellschaftliche Belastung darstellt. Eine frühzeitige Erkennung und Intervention bei Diabetes ist dringend erforderlich. In den letzten Jahren hat die wachsende Evidenz die kritische Rolle der frühkindlichen Entwicklungsumgebung in der Pathogenese von Diabetes hervorgehoben. Bereits 1986 schlug Professor Barker die Theorie der Entwicklungsursprünge von Gesundheit und Krankheit (DOHaD) vor. Unser Forschungsteam validierte diese Theorie zuvor erstmals in der chinesischen Bevölkerung durch Kohortenstudien und zeigte, dass ungünstige intrauterine Umgebungen zu abnormalem Glukosestoffwechsel bei den Nachkommen führen und dass frühzeitige Interventionen effektiv Erwachsenendiabetes verhindern können.

Laut dem Diabetes-Atlas der International Diabetes Federation (11. Ausgabe) beträgt die weltweite Inzidenz von Hyperglykämie während der Schwangerschaft 16,7 %, wobei Gestationsdiabetes (GDM) bis zu 80 % der Fälle ausmacht. Das bedeutet, dass eine von fünf Lebendgeburten früh im Leben einer ungünstigen intrauterinen Umgebung ausgesetzt ist, was ihr Risiko für Stoffwechselstörungen wie Übergewicht, Fettleibigkeit und Diabetes im Erwachsenenalter erhöht. GDM erhöht signifikant das Risiko für ungünstige Schwangerschaftsergebnisse und bedroht ernsthaft die Stoffwechselgesundheit von Müttern und Nachkommen. Eine frühzeitige und effiziente Diagnose und Prävention von GDM ist daher entscheidend für die Verbesserung der Stoffwechselgesundheit von Müttern und Kindern.

Die derzeitige Diagnose von GDM stützt sich auf orale Glukosetoleranztests (OGTT), die in der 24.-28. Schwangerschaftswoche durchgeführt werden, was Einschränkungen wie statische und einmalige Messungen, operationelle Komplexität, verzögerte Diagnose und begrenzte Zeit für effektive Interventionen mit sich bringt. Daher besteht ein dringender Bedarf an der Entwicklung neuer Technologien für die frühzeitige Vorhersage und Diagnose von GDM.

Die kontinuierliche Glukoseüberwachung (CGM) im ersten Trimester bietet Vorteile, einschließlich detaillierter Glukosedaten rund um die Uhr, Erkennung versteckter Hyperglykämie, Bewertung der glykämischen Variabilität und Kompatibilität mit KI-gestützter Analyse, was ein großes Potenzial für die frühzeitige Diagnose und Behandlung von GDM zeigt. Zuvor wandte unser Team CGM bei Patienten mit Typ-2-Diabetes an und erhielt ein chinesisches Erfindungspatent für "Verwendung von CGM zur verbesserten Behandlung und Überwachung von Glukose bei Typ-2-Diabetes (CN 109637677A)". In den letzten Jahren wurde CGM weit verbreitet im Diabetesmanagement eingesetzt und begann, bei der Behandlung von HbA1c-Werten bei schwangeren Frauen mit Typ-1-Diabetes angewendet zu werden. Die Forschung zu seiner Anwendung bei schwangeren Frauen mit Typ-2-Diabetes und GDM befindet sich jedoch noch in den Anfangsstadien. Derzeit fehlen Studien, die CGM in Kombination mit künstlicher Intelligenz für die frühzeitige Diagnose und Vorhersage von GDM im ersten Trimester nutzen.

Darüber hinaus haben mehrere Studien Risikofaktoren und Biomarker für GDM untersucht, um ein frühzeitiges Screening zu ermöglichen und mütterliche und fetale Ergebnisse vorherzusagen. Die meisten Forschungen waren jedoch auf Einzel-Omik-Ansätze oder spätere Schwangerschaftszeitpunkte beschränkt, was zahlreiche Einschränkungen darstellt. Studien, die in früheren Schwangerschaftsperioden, über mehrere Zeitpunkte hinweg und unter Verwendung von Multi-Omik-Ansätzen durchgeführt werden, werden weitere Biomarker aufdecken, die mütterliche und fetale Ergebnisse bei GDM vorhersagen.

Daher plant unsere Gruppe, eine GDM-Mutter-Kind-Kohorte zu etablieren, die die Schwangerschaft und die Perinatalperiode abdeckt. Wir beabsichtigen, frühzeitige Diagnosekriterien für GDM basierend auf CGM vorzuschlagen, klinisch anwendbare KI-gesteuerte Werkzeuge für die Analyse und Interpretation von CGM-Daten zu entwickeln und Hilfsdiagnosestrategien für GDM zu formulieren. Wir werden CGM-Parameter und Multi-Omik-Biomarker erforschen, die für die Vorhersage mütterlicher und fetaler Ergebnisse geeignet sind. Basierend auf diesen Erkenntnissen erwarten wir, eine intelligente Managementplattform für GDM zu etablieren, die das klinische Fenster für die Diagnose und Behandlung von GDM vorverlegen wird und sowohl kurzfristige als auch langfristige Gesundheitsergebnisse für Mütter und ihre Nachkommen verbessern wird.