Die beste Prävention eines Problems ist offenkundig, es gar nicht erst entstehen zu lassen. Für den Typ-2-Diabetes und das metabolische Syndrom kann als evidenzbasiert bewiesen gelten, dass Lebensstilmodifikationen und pharmakologische Interventionen in der prädiabetischen Phase den Ausbruch eines Typ-2-Diabetes verhindern oder verzögern können. Ob sich damit auch harte kardiovaskuläre Endpunkte oder gar die Mortalität reduzieren lassen, kann als "Holy Grail" der Präventionsforschung gelten.
Erkennen von Risikopatienten in prädiabetischem Stadium keine klinische Praxis
Aktuell haben Arreola und Mitarbeiter in einer Posthoc-Analyse des amerikanischen Diabetes Prevention Outcome Programs (DPPOS) und der chinesischen DaQing Diabetes Prevention Outcomes Study (DaQingDPOS) überzeugende Posthoc- und Meta-Analysen veröffentlicht, die eine langfristige, nahezu Halbierung entsprechender kardialer Endpunkte, aber auch der verbundenen Mortalität unter den Bedingungen der Diabetes-Vermeidung nachweisen. In DPPOS (n = 2402) erreichten 11,5 % nach einem Jahr Intervention eine Diabetes-Remission. Die Ereignisrate für kardiovaskulären Tod oder Krankenhausaufenthalt wegen Herzinsuffizienz war in der Remissionsgruppe 1,74 (95 %-Konfidenzintervall [KI] 0,87 – 3,48) im Vergleich zu Teilnehmern ohne Remission (4,17; 95 %-KI 3,55 – 4,89) mit einer vollständig adjustierten Hazard Ratio von 0,41 (95 %-KI 0,20 – 0,84; p = 0,014) [Arreola 2026]. Der "Holy Grail" des metabolischen Präventionsparadigmas hängt damit an der Erkennung von Menschen in der prädiabetischen "At-risk"-Periode. Unter Standardbedingungen der klinischen Versorgung gelingt das allerdings so gut wie nie, da die erforderliche Diagnostik (Glukosemessung, Verifikation, gegebenenfalls Durchführung Glukosebelastungstest) in der Versorgungspraxis nicht praktiziert wird. Dieser blinde Fleck verhindert eine effektive an Wissenschaftsdaten pointierte Prävention, wobei an dieser Stelle nicht auf die Notwendigkeit ergänzender prospektiver interventioneller Studien zur endgültigen Sicherung dieses Zusammenhangs eingegangen werden soll.
Mit KI-Algorithmus veränderte Myokardfunktion bei Prädiabetes nachweisbar
Hier deutet sich eine Lösung aus einem gänzlich anderen Bereich an, der KI (künstliche Intelligenz)-unterstützten EKG (Elektrokardiogramm)-Auswertung. Koga et al. berichten, dass ein entsprechendes Algorithmen-Modell (auf LightGBM basierender Algorithmus, "DiaCardia" genannt) in der Lage ist, aus einem Ein-Kanal-Elektrokardiogramm "At-risk"-Patienten zu erkennen. Moderne Biosensorik, z. B. im Rahmen einer Smart-Watch, schafft die Möglichkeit dafür, wobei die Werte für Sensitivität und Spezifität zwischen 70 % und knapp 90 % liegen [Koga 2025]. Dies sind Werte, die für eine allgemeine Screeningfunktion ausreichen, um identifizierte "At-risk"-Patienten gezielt einer biochemischen Glukosediagnostik zuzuführen und im Bestätigungsfall entsprechende Konsequenzen für die Beratungspraxis im Sinne einer Diabetes-Prävention zu ziehen. Die Untersuchung von Koga und Mitarbeitern (Primärkohorte n = 16 766 Datensätze, unabhängige externe Validierungskohorte n = 2456) ist in vielerlei Hinsicht bemerkenswert und "pioneering". Die Studie zeigt, dass Menschen mit Prädiabetes anhand eines EKGs zuverlässig identifiziert werden können und bereits Veränderungen der Myokardfunktion mit Auswirkungen auf die EKG-Morphologie im prädiabetischen Stadium nachweisbar sind. Allerdings ist die Überlappung der Elektro-Morphologie und der hier heruntergebrochenen einzelnen Komponenten so groß, dass nur KI-basierte Algorithmen in der Lage sind, Diskriminationsgrenzen, die für eine Klassifikation ausreichen, zu entdecken. Dass dies mit einer Sensitivität und Spezifität zwischen 70 % und knapp 90 % möglich ist, bei alleiniger Verwendung eines Ein-Kanal-EKGs, kann dabei durchaus als technischer Durchbruch gewertet werden. Interessanterweise hat die R-Amplitude und die Herzfrequenzvariation einen besonders starken Einfluss, was zum einen gut mit dem Konzept der Insulinresistenz, und andererseits auch mit der autonomen Innervationsstörung des gestörten Metabolismus in einer Frühphase der Erkrankung korrespondiert.
Potenzial durch Konvergenz metabolischer und kardiologischer Medizin
Die Autoren aus Japan betrachten ihre Studie als Konzept. Angesichts der rapiden Entwicklung im Bereich der künstlichen Intelligenz und der darauf begründeten Algorithmen kann aber in kurzer Zeit eine technische Optimierung erwartet werden. Das Autorenkollektiv ist davon überzeugt, dass die technischen Herausforderungen, wie z. B. der Einsatz von Consumer Wearables anstelle von Ableitungs-EKGs, unter klinischen Bedingungen kontrolliert und gelöst werden können. In diesem Fall besteht die Vision in einer implementierten Alarmfunktion, die den Patienten dann mit einer gezielten Verifikations- oder Ausschlussfragestellung zum Arzt führt. Damit ließe sich im positiven Falle der Interventionszeitpunkt im Sinne einer frühen Prävention deutlich vorverlegen. Die anfangs erwähnte Studie von Arreola et al. zeigt dabei das Potenzial einer solchen Präventionsstrategie auf, was allerdings vor dem Hintergrund weiter reichender, speziell pharmakologischer Interventionen und der enormen gesundheitspolitischen Bedeutung in prospektiven Untersuchungen noch abgesichert werden muss. Die beiden genannten Studien belegen, wie die Konvergenz von metabolischer und kardiologischer Medizin zu neuen, umfassenderen Versorgungsketten führen kann – ein Grundgedanke der Stiftung Diabetes | Herz | Gefäße (DHG), die durch gemeinsame Betrachtung der Verbundproblematik das größte Potenzial für die Verbesserung von Krankheitsprävention und Patientenversorgung sieht.
|
|
Erschienen in: Diabetes, Stoffwechsel und Herz, 2026; 35 (2) Seite 114-115