Algorithmengesteuerte Insulindosierung verbessert die Blutzuckerkontrolle bei Typ-2-Diabetes

Ein am University of Virginia Center for Diabetes Technology entwickelter Algorithmus – gepaart mit einem kontinuierlichen Glukosemonitor – kann Benutzern dabei helfen, ihren Typ-2-Diabetes besser zu kontrollieren, indem er Anpassungen der Insulindosis empfiehlt, wie eine neue Studie ergab.

In einer klinischen Studie wurden 30 Teilnehmer nach dem Zufallsprinzip ausgewählt, um 16 Wochen lang Insulinanpassungen vorzunehmen, entweder auf der Grundlage wöchentlicher Empfehlungen des Algorithmus und des Glukosemessgeräts oder durch Selbstüberwachung ihres Blutzuckerspiegels. Bei Teilnehmern, die den Algorithmus verwendeten, stieg die durchschnittliche Zeit, die sie im sicheren Blutzuckerbereich verbrachten, von 54,1 % auf 75,3 %. Bei Teilnehmern, die ihren Blutzucker selbst kontrollierten, stieg die durchschnittliche Zeit, die sie im sicheren Blutzuckerbereich verbrachten, nur von 50,2 % auf 55,3 %.

Diese Ergebnisse zeigen deutlich, dass Diabetes-Technologie und fortschrittliche Algorithmen zu großen Effekten genutzt werden können, die weit über das klassische Paradigma der automatisierten Insulinabgabe hinausgehen. Da kontinuierliche Glukoseüberwachung und vernetzte medizinische Geräte allgegenwärtig werden, haben wir die Möglichkeit, Menschen mit Diabetes eine hochgradig personalisierte Beratung und Überwachung zu bieten und sie bei der Verwendung von Insulin und Medikamenten anzuleiten. Der Nachweis der Wirkung dieser Technologien in der frühen Insulintherapie (nur eine Dosis pro Tag) öffnet die Tür, um der überwiegenden Mehrheit der Menschen, die Insulin verwenden, zu helfen, weit über das hinaus, was wir mit der automatisierten Insulinabgabe erreichen konnten.“

Marc D. Breton, PhD, Hauptautor der Studie und stellvertretender Forschungsdirektor am UVA Center for Diabetes Technology

Eine ideale Insulindosis

Viele Patienten beginnen ihre Behandlung von Typ-2-Diabetes mit Medikamenten, die ihren Blutzucker senken sollen, aber die Wirksamkeit dieser Medikamente lässt mit der Zeit tendenziell nach, was zu einem Bedarf an Insulin führt. Der Prozess der Anpassung der Insulindosis durch Selbstüberwachung des Blutzuckerspiegels, bekannt als Insulintitration, kann sowohl für Patienten als auch für Gesundheitsdienstleister zeitaufwändig und herausfordernd sein, und es gibt keinen Standardtitrationsprozess.

Dies veranlasste Anas El Fathi, PhD, einen UVA Health-Forscher, den Algorithmus mit dem Ziel zu entwickeln, den Titrationsprozess zu rationalisieren und zu verbessern. Der Algorithmus analysiert die Daten des kontinuierlichen Glukosemonitors der letzten zwei Wochen, um eine wöchentliche Empfehlung zu erstellen, wie Benutzer ihre Insulindosis anpassen sollten.

„Aus medizinischer Sicht war es faszinierend zu sehen, dass der Algorithmus nicht nur besser war als die standardisierten Insulintitrationsempfehlungen, sondern auch, wie gut die Technologie von den Teilnehmern mit Typ-2-Diabetes angenommen wurde“, sagte Dr. Ralf Nass, Forscher bei UVA Health und Co-Autor der Studie. „Diese Art von Technologie hat das Potenzial, Ärzten dabei zu helfen, ihren Patienten mithilfe eines personalisierten Ansatzes schneller eine bessere Blutzuckerkontrolle zu ermöglichen.“

Während längere klinische Studien mit mehr Teilnehmern erforderlich sein werden, um die Wirksamkeit des Algorithmus zu bestätigen, sind die Forscher durch die ersten Ergebnisse ermutigt.

„Es ist erst der Anfang dieser Bemühungen“, sagte Breton. „Da wir die ersten Demonstrationen hinter uns haben, können wir uns auf robuste Ansätze konzentrieren, die bei vielfältigeren Bevölkerungsgruppen wirksam sind. Die Integration kürzlich entwickelter datengesteuerter Methoden, insbesondere digitaler Zwillinge, um unsere Fähigkeit, Diabetes-Management auf Einzelpersonen zuzuschneiden, weiter zu verbessern, wird die Diabetes-Versorgung wahrscheinlich noch einmal revolutionieren.“

Ergebnisse veröffentlicht

Die Forscher haben ihre Ergebnisse in der Fachzeitschrift Diabetes Technology & Therapeutics veröffentlicht. Der Artikel ist Open Access, d. h. er kann kostenlos gelesen werden. Das Forschungsteam bestand aus El Fathi, Nass, Carol J. Levy, Camilla Levister, Grenye O’Malley, Nirali A. Shah, Shaziah Hassan, Cheryl Quainoo, Chaitanya LK Koravi, Taylor N. Nguyen, Giulio Matteo Santini, Emma Emory, Carlene Alix, Dillon K. Flanagan, David Fulkerson, Mary Clancy Oliveri, Christian Laugesen, Jonas K. Lineolov, Peter W. Hansen und Breton.

Die klinische Studie wurde durch einen Zuschuss von Novo Nordisk unterstützt.

Quellen: