Künstliche Intelligenz erkennt Diabetes-Risiko früh an Glukosespitzen

Ein neuartiges KI-Modell kann mithilfe von Glukosespitzen potenzielle Diabetesrisiken aufdecken, bevor sich klinische Symptome zeigen. Während die klassische Diagnose von Typ-2-Diabetes oder Prädiabetes traditionell auf dem HbA1c-Wert basiert – einem Laborparameter, der den durchschnittlichen Blutzuckerspiegel der letzten zwei bis drei Monate widerspiegelt – zeigt sich, dass dieser Test nicht ausreicht, um die individuelle Risikobewertung für den Übergang von gesund zu prädiabetisch oder von prädiabetisch zu Diabetes zuverlässig vorherzusagen. HbA1c liefert lediglich einen Mittelwert und verpasst dabei dynamische Veränderungen im Blutzucker, die auf frühe Störungen des Glukosestoffwechsels hindeuten können. Das neue KI-Modell analysiert hochauflösende, kontinuierliche Glukosemessungen, die über mehrere Tage oder Wochen mit Hilfe von kontinuierlichen Glukosemonitoring-Systemen (CGM) erfasst wurden. Dabei identifiziert es nicht nur die durchschnittlichen Werte, sondern insbesondere sogenannte Glukosespitzen – plötzliche, starke Anstiege des Blutzuckers nach Mahlzeiten oder in Ruhezuständen – sowie deren Häufigkeit, Dauer und Ausprägung. Diese Muster sind oft ein frühes Zeichen für eine verminderte Insulinwirkung oder eine gestörte Insulinsekretion, lange bevor HbA1c ansteigt. In klinischen Studien konnte das Modell bei Teilnehmern, die noch keine Diagnose hatten, signifikante Risikofaktoren für den späteren Diabetesentwicklung identifizieren. Besonders beeindruckend: Die KI konnte Personen voraussagen, die innerhalb von drei Jahren tatsächlich an Diabetes erkrankten, mit einer Genauigkeit, die die HbA1c-basierte Prognose deutlich übertraf. Zudem zeigte sich, dass das Modell auch bei Menschen mit normalen HbA1c-Werten, die dennoch anfällig für Stoffwechselstörungen waren, relevante Warnsignale erkannte. Die Entwicklung ist ein Meilenstein in der präventiven Medizin, da sie die Möglichkeit eröffnet, Diabetes viel früher zu erkennen und gezielte Präventionsmaßnahmen wie Ernährungsumstellungen, körperliche Aktivität oder medikamentöse Interventionen zu initiieren, bevor irreversible Schäden eintreten. Die KI-Plattform könnte in Zukunft in der Routineversorgung integriert werden, etwa über Apps, die mit CGM-Geräten verbunden sind, und so eine personalisierte, datenbasierte Diabetesprävention ermöglichen. Industrielle Experten begrüßen die Entwicklung als bahnbrechend für die frühe Risikodetektion. „Dieses Modell zeigt, dass die Analyse von Glukose-Dynamik wichtiger ist als der bloße Mittelwert“, sagt Dr. Lena Müller, Endokrinologin und KI-Experte am Deutschen Diabetes-Zentrum. „Es eröffnet eine neue Ära der präventiven Diabetologie, in der wir Krankheiten nicht nur diagnostizieren, sondern wirklich vorhersagen können.“ Unternehmen wie Dexcom, Abbott und Roche arbeiten bereits an der Integration solcher KI-Modelle in ihre CGM-Systeme, um klinisch nutzbare Risikoprofile zu generieren. Die Technologie könnte in den kommenden Jahren zu einem Standardinstrument in der Prävention von Typ-2-Diabetes werden.