Individualisert tidlig diagnostisering og behandlingssystem for svangerskapsdiabetes (GDM) basert på ny kontinuerlig glukosemonitorering (CGM)-teknologi

Kina har en diabetikerbefolkning på 233 millioner, noe som utgjør et enormt samfunnsmessig byrde. Tidlig gjenkjenning og intervensjon for diabetes er presserende nødvendig. I de senere år har økende bevis fremhevet den kritiske rollen til det tidlige livets utviklingsmiljø i patogenesen av diabetes. Allerede i 1986 foreslo professor Barker teorien om utviklingsmessige opprinnelser til helse og sykdom (DOHaD). Vårt forskningsteam har tidligere validert denne teorien for første gang i den kinesiske befolkningen gjennom kohortstudier, og vist at ugunstige intrauterine miljøer fører til unormal glukosemetabolisme hos avkom, og at intervensjoner i tidlig liv effektivt kan forebygge diabetes i voksen alder.

Ifølge International Diabetes Federations Diabetes Atlas (11. utgave) er den globale forekomsten av hyperglykemi under svangerskap 16,7 %, hvor svangerskapsdiabetes (GDM) utgjør opptil 80 % av tilfellene. Dette betyr at én av fem levendefødte blir utsatt for et ugunstig intrauterint miljø tidlig i livet, noe som øker risikoen for metabolske forstyrrelser som overvekt, fedme og diabetes i voksen alder. GDM øker betydelig risikoen for ugunstige svangerskapsutfall og truer alvorlig metabolsk helse hos både mødre og avkom. Tidlig og effektiv diagnose og forebygging av GDM er derfor avgjørende for å forbedre metabolsk helse hos mødre og barn.

Den nåværende diagnosen av GDM er avhengig av orale glukosetoleransetester (OGTT) utført ved 24–28 uker svangerskap, som har begrensninger som statisk og enkelt-tidspunkt måling, operasjonell kompleksitet, forsinket diagnose og begrenset tid for effektiv intervensjon. Derfor er det et presserende behov for å utvikle nye teknologier for tidlig prediksjon og diagnose av GDM.

Kontinuerlig glukosemonitorering (CGM) i første trimester tilbyr fordeler inkludert 24/7 detaljerte glukosedata, deteksjon av skjult hyperglykemi, vurdering av glykemisk variabilitet og kompatibilitet med KI-assistert analyse, og viser stort potensial for tidlig diagnose og behandling av GDM. Tidligere anvendte teamet vårt CGM hos pasienter med type 2-diabetes og ble tildelt et kinesisk oppfinnelsespatent for «Bruk av CGM for forbedret behandling og monitorering av glukose ved type 2-diabetes (CN 109637677A)». I de senere år har CGM blitt mye brukt i diabetesbehandling og har begynt å bli anvendt i behandlingen av HbA1c-nivåer hos gravide med type 1-diabetes. Forskning på bruken hos gravide med type 2-diabetes og GDM er imidlertid fortsatt i tidlige stadier. Det er for tiden mangel på studier som bruker CGM kombinert med kunstig intelligens for tidlig diagnose og prediksjon av GDM i første trimester.

I tillegg har flere studier utforsket risikofaktorer og biomarkører for GDM for å muliggjøre tidlig screening og prediksjon av mors- og fosterutfall. De fleste studier har imidlertid vært begrenset til enkelte-omikstilnærminger eller senere svangerskapstidspunkt, noe som presenterer mange begrensninger. Studier utført på tidligere svangerskapsperioder, på tvers av flere tidspunkter, og som bruker multi-omikstilnærminger, vil ytterligere avdekke biomarkører som kan predikere mors- og fosterutfall ved GDM.

Derfor planlegger gruppen vår å etablere en GDM mor-barn-kohort som dekker svangerskap og perinatal periode. Vi har som mål å foreslå tidlige diagnostiske kriterier for GDM basert på CGM, utvikle klinisk anvendelige KI-drevne verktøy for analyse og tolkning av CGM-data, og formulere hjelpediagnostiske strategier for GDM. Vi vil utforske CGM-parametere og multi-omiks biomarkører egnet for å predikere mors- og fosterutfall. Basert på disse funnene forventes vi å etablere en intelligent behandlingsplattform for GDM, som vil flytte det kliniske vinduet for GDM-diagnose og behandling fremover, og forbedre både kortsiktige og langsiktige helseutfall for mødre og deres avkom.