Verwendung kontinuierlicher Glukosemessung zur Stratifikation von Personen ohne Diabetes

Warum es wichtig ist, den Blutzucker den ganzen Tag zu verfolgen

Viele Menschen, die sich heute gesund fühlen, können bereits subtile Probleme in der Art und Weise haben, wie ihr Körper mit Zucker umgeht, lange bevor Diabetes diagnostiziert wird. Diese Studie stellt eine einfache, aber kraftvolle Frage: Wenn wir tausenden Erwachsenen kleine Sensoren anlegen und ihren Blutzucker rund um die Uhr beobachten, lässt sich all diese komplexe Information auf nur wenige, leicht verständliche Zahlen reduzieren, die frühe Risiken für Herz und Leber anzeigen?

Ströme von Sensordaten in drei einfache Zahlen verwandeln

Die Forschenden analysierten Daten der kontinuierlichen Glukosemessung (CGM) von mehr als 8.000 Erwachsenen ohne Diabetesdiagnose. Diese tragbaren Sensoren erfassen den Zuckerwert alle paar Minuten über mehrere Tage und erzeugen Dutzende möglicher Kennzahlen: wie oft Werte hoch oder niedrig sind, wie zackig die Kurve ist, wie lange Spitzen andauern und mehr. Mit statistischen Werkzeugen, die nach verborgener Struktur in großen Datensätzen suchen, untersuchte das Team, welche Kombinationen von Messgrößen am besten erfassen, wie sich Menschen voneinander unterscheiden. Sie fanden heraus, dass mehr als 80 Prozent der Unterschiede zwischen Individuen durch nur drei Konzepte erklärt werden konnten: der durchschnittliche Zuckerspiegel über die Zeit („Mittelwert“), wie stark er auf und ab schwankt („Varianz“) und wie ähnlich ein Messwert den kürzlichen Messwerten ist („Autokorrelation“, ein Maß dafür, wie lange Blutzuckerwerte tendenziell auf einem bestimmten Kurs bleiben).

Den Drei-Zahlen-Code nach Mahlzeiten testen

Um zu prüfen, ob diese drei Merkmale das reale Blutzuckerverhalten wirklich beschreiben, wandten sich die Wissenschaftler detaillierten Mahlzeitstudien zu. In einem Projekt mit 863 Teilnehmenden aß jede Person sorgfältig kontrollierte Testmahlzeiten, während ihre Blutzuckerwerte für vier Stunden danach überwacht wurden. Das Team nutzte einen Typ von neuronalen Netzwerken, einen Autoencoder, um jede individuelle postprandiale Blutzuckerkurve in eine kleine Menge abstrakter Koordinaten zu komprimieren und dann die ursprüngliche Kurve wiederherzustellen. Eine dreidimensionale Version dieses Modells erfasste die Kurvenformen deutlich besser als eine einfachere, zweidimensionale Variante, während zusätzliche Dimensionen nur wenig Verbesserung brachten. Entscheidenderweise ließen sich die drei konkreten Maße — Durchschnittswert, Schwankungsumfang und Persistenz des Musters — sehr gut zur Vorhersage dieser abstrakten Koordinaten verwenden, was bedeutet, dass die Drei-Zahlen-Zusammenfassung nahezu alle nützlichen Informationen der vollständigen Blutzuckeraufzeichnung enthält.

Prüfen, ob das Muster in anderen Kontexten gilt

Die Forschenden forderten ihr Modell dann mit sehr unterschiedlichen Datentypen heraus. Sie testeten es in einem klassischen Glukosetoleranztest, bei dem Freiwillige eine feste Menge Glukose trinken und wiederholt Blut abgenommen wird, sowie an zusätzlichen CGM-Aufzeichnungen aus dem Alltag, in dem Mahlzeiten unregelmäßig und oft dicht aufeinander folgen. In beiden Fällen erwiesen sich drei Dimensionen erneut als optimal: ausreichend gut, um die Blutzuckerkurven der Personen mit hoher Genauigkeit zu rekonstruieren, aber einfach genug, um verständlich zu bleiben. Traditionelle klinische Marker wie Nüchternblutzucker und der Zwei-Stunden-Wert nach einer Glukoseaufnahme erfassten überwiegend nur die „Durchschnitts“-Dimension und verfehlten einen Großteil der Variation, die in den Auf- und Abbewegungen der Werte zu sehen ist.

Verknüpfung von Blutzuckermustern mit Herz- und Lebergesundheit

Über die Beschreibung von Blutzuckerkurven hinaus wollten die Forschenden wissen, ob diese drei Merkmale mit frühen Anzeichen von Schäden in wichtigen Organen zusammenhängen. In einer Untergruppe von fast 1.800 Teilnehmenden maßen Ultraschalluntersuchungen die Dicke der Halsarterienwand — ein Marker für Gefäßverkalkung — sowie mehrere Eigenschaften der Leber, die mit Fettgehalt, Steifigkeit und Entzündung in Verbindung stehen. Alle drei CGM-Merkmale zeigten bedeutende, unabhängige Zusammenhänge mit diesen Organmaßen, selbst nach Berücksichtigung von Blutdruck und Cholesterin. Beispielsweise hatten Menschen, deren Blutzuckerwerte stärker „klebrig“ über die Zeit waren, gemessen durch die Autokorrelation, tendenziell dickere Arterienwände und Veränderungen im Lebergewebe, obwohl sie keine diagnostizierte Diabeteserkrankung hatten. Durch die Gruppierung der Teilnehmenden in Cluster basierend auf den drei Zahlen konnten die Forschenden zudem Referenzbereiche definieren und feststellen, dass diejenigen, deren Werte bestimmte Schwellen überschritten, in separaten, streng kontrollierten Tests eine schlechtere Insulinsensitivität aufwiesen.

Was das für das frühzeitige Erkennen von Risiken bedeutet

Diese Arbeit legt nahe, dass sich die verworrenen, hochfrequenten Schwankungen des Blutzuckers, wie sie moderne Sensoren erfassen, auf drei klare, physiologisch sinnvolle Dimensionen reduzieren lassen, ohne dabei viel Information zu verlieren. Zusammengenommen beschreiben diese Zahlen, wie hoch die Zuckerwerte im Mittel liegen, wie stark sie schwanken und wie langsam sie die Richtung ändern. Da jede dieser Dimensionen mit frühen Veränderungen in den Herzgefäßen und der Leber verknüpft ist, könnten sie Ärztinnen, Ärzten und Forschenden helfen, Personen mit erhöhtem Risiko lange vor den Standardtests zu identifizieren. Während weitere Studien nötig sind, um zu zeigen, dass Maßnahmen auf Basis dieser Größen Krankheiten verhindern können, bietet dieser Drei-Zahlen-Code einen vielversprechenden und gut interpretierbaren Weg, rund-um-die-Uhr-Sensordaten in einfache Einsichten zur metabolischen Gesundheit zu übersetzen.

Zitation: Sugimoto, H., Sapir, G., Keshet, A. et al. Use of continuous glucose monitoring to stratify individuals without diabetes. Commun Med 6, 260 (2026). https://doi.org/10.1038/s43856-026-01523-8

Schlüsselwörter: kontinuierliche Glukosemessung, Prädiabetes-Risiko, Blutzuckermuster, metabolische Gesundheit, Herz- und Leberschäden