Användning av kontinuerlig glukosövervakning för att stratifiera individer utan diabetes

Varför det spelar roll att följa blodsockret dygnet runt

Många som idag känner sig friska kan redan ha subtila problem i hur deras kroppar hanterar socker, långt innan diabetes diagnostiseras. Denna studie ställer en enkel men kraftfull fråga: om vi fäster små sensorer på tusentals vuxna och bevakar deras blodsocker dygnet runt, kan vi koka ner all den komplexa informationen till bara ett fåtal lättförståeliga siffror som varnar för tidig risk för hjärta och lever?

Att förvandla strömmar av sensordata till tre enkla tal

Forskare analyserade data från kontinuerlig glukosövervakning (CGM) hos mer än 8 000 vuxna utan diabetesdiagnos. Dessa bärbara sensorer registrerar sockernivåer var några minut under många dagar och genererar dussintals möjliga mått: hur ofta nivåerna är höga eller låga, hur skakig kurvan är, hur länge toppar varar och mer. Med statistiska verktyg som söker dold struktur i stora datamängder frågade teamet vilka kombinationer av mått som bäst fångade hur människor skiljer sig åt. De fann att mer än 80 procent av skillnaderna mellan individer kunde förklaras av bara tre idéer: den genomsnittliga sockernivån över tid ("medelvärde"), hur mycket den pendlar upp och ner ("varians") och hur lik en mätning är de senaste mätningarna ("autokorrelation", ett mått på hur länge sockernivåerna tenderar att ligga kvar på en given bana).

Test av tredelade koden efter måltider

För att se om dessa tre egenskaper verkligen beskriver hur blodsockret beter sig i verkligheten vände sig forskarna till detaljerade måltidsstudier. I ett projekt med 863 deltagare åt alla noggrant kontrollerade testmåltider medan deras sockernivåer följdes i fyra timmar efteråt. Teamet använde en typ av neuralt nätverk kallat autoencoder för att komprimera varje persons efter-måltids-sockerkurva till en liten uppsättning abstrakta koordinater och därefter återskapa den ursprungliga kurvan. En tredimensionell version av modellen fångade kurvornas former mycket bättre än en enklare tvådimensionell modell, medan fler dimensioner gav liten förbättring. Avgörande var att de tre konkreta måtten — genomsnittsnivå, mängd fluktuation och mönstersbeständighet — kunde förutsäga dessa abstrakta koordinater mycket väl, vilket betyder att tre-tals-summeringen bär nästan all användbar information i den fullständiga sockerspårningen.

Kontroll att mönstret gäller i andra sammanhang

Forskarna utmanade sedan sin ram med mycket olika typer av data. De testade den på ett klassiskt sockerdrickstest, där frivilliga dricker en fast mängd glukos och får blodprov tagna upprepade gånger, samt på ytterligare CGM-inspelningar från vardagslivet där måltider är oregelbundna och ofta ligger tätt. I båda fallen visade sig tre dimensioner återigen vara den gyllene medelvägen: tillräckligt bra för att rekonstruera människors sockerkurvor med hög noggrannhet, men tillräckligt enkla för att förbli begripliga. Traditionella markörer som används i kliniken, såsom fastande glukos och värdet efter två timmar vid sockerdrickstestet, fångade mestadels bara "medel"-dimensionen och missade mycket av variationen i hur personers nivåer stiger och faller.

Koppling mellan sockermönster och hjärt- och leverhälsa

Utöver att beskriva sockerkurvor ville teamet veta om dessa tre egenskaper relaterar till tidiga tecken på skada i viktiga organ. I en undergrupp på nästan 1 800 deltagare mätte ultraljudsskanningar tjockleken på halspulsåderns vägg — en markör för åderförkalkning — samt flera egenskaper hos levern kopplade till fetthalt, stelhet och inflammation. Alla tre CGM-egenskaper visade meningsfulla, oberoende samband med dessa organmått, även efter att blodtryck och kolesterol tagits i beaktande. Till exempel tenderade personer vars sockeravläsningar var mer "klibbiga" över tid, fångade av autokorrelationsmåttet, att ha tjockare pulsåderväggar och förändringar i levervävnad, trots att de inte hade diagnostiserad diabetes. Genom att gruppera deltagarna i kluster baserat på de tre talen kunde forskarna också definiera referensintervall och se att de vars värden översteg vissa trösklar ofta hade sämre insulinkänslighet i separata, hårt kontrollerade tester.

Vad detta betyder för att fånga risk tidigt

Denna studie tyder på att de intrasslade, högfrekventa svängningarna i blodsocker som fångas av moderna sensorer kan reduceras till tre tydliga, fysiologiskt meningsfulla dimensioner utan att förlora mycket information. Tillsammans beskriver dessa siffror hur högt sockret ligger i genomsnitt, hur våldsamt det pendlar och hur långsamt det ändrar riktning. Eftersom varje dimension är kopplad till tidiga förändringar i hjärtats blodkärl och i levern kan de hjälpa läkare och forskare att identifiera personer med högre risk långt innan standardtester gör det. Även om mer arbete behövs för att visa att åtgärder baserade på dessa mått kan förebygga sjukdom, erbjuder denna tre-tals-kod ett lovande och tolkbart sätt att översätta dygnet-runt-sensordata till enkla insikter om metabolisk hälsa.

Citering: 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

Nyckelord: kontinuerlig glukosövervakning, risk för fördiabetes, blodsockermönster, metabolisk hälsa, hjärt- och leverskador