Sistema Individualizado de Diagnóstico y Tratamiento Temprano de la Diabetes Mellitus Gestacional (DMG) Basado en la Nueva Tecnología de Monitorización Continua de Glucosa (MCG)

China tiene una población diabética de 233 millones, lo que supone una enorme carga social. Se necesita urgentemente el reconocimiento temprano y la intervención para la diabetes. En los últimos años, la creciente evidencia ha destacado el papel crítico del entorno de desarrollo temprano en la patogénesis de la diabetes. Ya en 1986, el profesor Barker propuso la teoría de los Orígenes del Desarrollo de la Salud y la Enfermedad (DOHaD). Nuestro equipo de investigación validó previamente esta teoría por primera vez en la población china a través de estudios de cohortes, demostrando que los entornos intrauterinos adversos conducen a un metabolismo anormal de la glucosa en la descendencia y que las intervenciones tempranas pueden prevenir eficazmente la diabetes de inicio en la edad adulta.

Según el Atlas de Diabetes de la Federación Internacional de Diabetes (11ª edición), la incidencia mundial de hiperglucemia durante el embarazo es del 16,7%, y la diabetes mellitus gestacional (DMG) representa hasta el 80% de los casos. Esto significa que uno de cada cinco nacidos vivos está expuesto a un entorno intrauterino adverso al principio de la vida, lo que aumenta su riesgo de trastornos metabólicos como el sobrepeso, la obesidad y la diabetes en la edad adulta. La DMG aumenta significativamente el riesgo de resultados adversos del embarazo y amenaza gravemente la salud metabólica tanto de las madres como de la descendencia. Por lo tanto, el diagnóstico y la prevención tempranos y eficientes de la DMG son cruciales para mejorar la salud metabólica de madres e hijos.

El diagnóstico actual de la DMG se basa en pruebas de tolerancia oral a la glucosa (PTOG) realizadas entre las 24 y 28 semanas de gestación, que presentan limitaciones como la medición estática y en un solo punto temporal, la complejidad operativa, el diagnóstico retrasado y el tiempo limitado para una intervención efectiva. Por lo tanto, existe una necesidad urgente de desarrollar nuevas tecnologías para la predicción y el diagnóstico temprano de la DMG.

El monitoreo continuo de glucosa (MCG) en el primer trimestre ofrece ventajas que incluyen datos detallados de glucosa las 24 horas del día, la detección de hiperglucemia oculta, la evaluación de la variabilidad glucémica y la compatibilidad con el análisis asistido por IA, mostrando un gran potencial para el diagnóstico y manejo temprano de la DMG. Anteriormente, nuestro equipo aplicó el MCG en pacientes con diabetes tipo 2 y se le otorgó una patente de invención china por "Uso del MCG para una mejor gestión y monitoreo de la glucosa en la diabetes tipo 2 (CN 109637677A)". En los últimos años, el MCG se ha utilizado ampliamente en el manejo de la diabetes y ha comenzado a aplicarse en el manejo de los niveles de HbA1c en mujeres embarazadas con diabetes tipo 1. Sin embargo, la investigación sobre su uso en mujeres embarazadas con diabetes tipo 2 y DMG aún está en sus primeras etapas. Actualmente faltan estudios que utilicen el MCG combinado con inteligencia artificial para el diagnóstico temprano y la predicción de la DMG en el primer trimestre.

Además, múltiples estudios han explorado factores de riesgo y biomarcadores para la DMG para permitir un cribado temprano y predecir los resultados maternos y fetales. Sin embargo, la mayoría de las investigaciones se han limitado a enfoques de ómica única o puntos temporales gestacionales más tardíos, presentando numerosas limitaciones. Los estudios realizados en períodos gestacionales más tempranos, en múltiples puntos temporales y que utilizan enfoques multiómicos revelarán aún más biomarcadores predictivos de los resultados maternos y fetales en la DMG.

Por lo tanto, nuestro grupo planea establecer una cohorte madre-hijo con DMG que cubra los períodos de embarazo y perinatal. Nuestro objetivo es proponer criterios de diagnóstico temprano para la DMG basados en el MCG, desarrollar herramientas clínicamente aplicables impulsadas por IA para analizar e interpretar datos de MCG, y formular estrategias de diagnóstico auxiliar para la DMG. Exploraremos parámetros de MCG y biomarcadores multiómicos adecuados para predecir los resultados maternos y fetales. Basándonos en estos hallazgos, se espera establecer una plataforma de gestión inteligente para la DMG, lo que adelantará la ventana clínica para el diagnóstico y tratamiento de la DMG, mejorando los resultados de salud a corto y largo plazo tanto para las madres como para su descendencia.