[논문 리뷰] Glucodensity Functional Profiles Outperform Traditional Continuous Glucose Monitoring Metrics

Marcos Matabuena, Rahul Ghosal외 7명|arXiv (Cornell University)|2024. 10. 01.

Diabetes Management and ResearchMedicine인용 수 3

한 줄 요약

이 연구는 연속 혈액 포도당 모니터링(CGM) 데이터에서 포도당 속도와 가속도를 분석하는 글루코디너시 기능 프로파일을 도입하여 장기적인 당화혈색소(HbA1c) 및 공복 혈장 포도당(FPG) 결과를 예측하는 데 있어 기존 지표보다 뛰어난 생물학적 지표로 제시한다. AEGIS 코hort 데이터를 바탕으로 기능적 데이터 분석을 수행한 결과, 기존 지표에 비해 HbA1c와 FPG 예측의 조정된 결정계수(R²)가 20% 이상 향상되었으며, 이는 표준 시간 범위 및 변동성 측정값을 넘어서 동적 포도당 지표의 임상적 가치를 입증한다.

ABSTRACT

Continuous glucose monitoring (CGM) data has revolutionized the management of type 1 diabetes, particularly when integrated with insulin pumps to mitigate clinical events such as hypoglycemia. Recently, there has been growing interest in utilizing CGM devices in clinical studies involving healthy and diabetes populations. However, efficiently exploiting the high temporal resolution of CGM profiles remains a significant challenge. Numerous indices -- such as time-in-range metrics and glucose variability measures -- have been proposed, but evidence suggests these metrics overlook critical aspects of glucose dynamic homeostasis. As an alternative method, this paper explores the clinical value of glucodensity metrics in capturing glucose dynamics -- specifically the speed and acceleration of CGM time series -- as new biomarkers for predicting long-term glucose outcomes. Our results demonstrate significant information gains, exceeding 20\% in terms of adjusted $R^2$, in forecasting glycosylated hemoglobin (HbA1c) and fasting plasma glucose (FPG) at five and eight years from baseline AEGIS data, compared to traditional non-CGM and CGM glucose biomarkers. These findings underscore the importance of incorporating more complex CGM functional metrics, such as the glucodensity approach, to fully capture continuous glucose fluctuations across different time-scale resolutions.

연구 동기 및 목표

• 기존 CGM 지표가 포도당의 동적 변동성, 즉 속도와 가속도를 간과하는 한계를 해결하기 위해.
• 시간 스케일 전반에서 포도당 역학을 반영하는 글루코디너시 기능 프로파일이 장기적인 당대사 결과를 예측하는 데 얼마나 향상되는지 평가하기 위해.
• 고해상도 CGM 데이터를 활용해 기능적 데이터 분석을 통해 당뇨병 예방에서의 위험도 분류를 향상시키는 임상적 유용성을 입증하기 위해.
• 평균 포도당 또는 변동성 측정값을 넘어서 포도당 속도와 가속도를 새로운 해석 가능한 생물학적 지표로 설정하여 대사 건강 상태를 평가하기 위해.

제안 방법

• 이 연구는 연속된 포도당 시계열을 부드러운 함수로 모델링하기 위해 기능적 데이터 분석을 활용하여, CGM 데이터에서 속도(1차 도함수)와 가속도(2차 도함수)를 추출한다.
• 글루코디너시 프로파일은 시간에 따른 포도당 값 분포를 표현하기 위해 구성되며, 근사적 및 다변량 기능적 역학을 모두 반영한다.
• 다변량 글루코디너시 모델은 포도당 수치, 속도, 가속도를 동시에 기능적 예측 변수로 사용하여 회귀 모델에서 분석한다.
• 불규칙하게 샘플링된 고해상도 CGM 데이터에서 부드러운 곡선을 추정하기 위해 페널티 스퍼인을 사용한 기능적 선형 모델을 적용한다.
• 예측 성능 평가에는 HbA1c와 공복 혈장 포도당의 5년 및 8년 후 추적 결과에 대한 조정된 R²를 사용하여 비교한다.
• 분석은 장기 추적(10년)이 가능한 대규모 관찰 연구인 AEGIS 코hort에서 수행된다.

(a) Glucodensity profiles from raw CGM data for a diabetic and non diabetic individual.

실험 결과

연구 질문

• RQ1 포도당 속도와 가속도를 포함한 글루코디너시 기능 프로파일이 기존 CGM 지표보다 장기적인 HbA1c 및 공복 혈장 포도당을 더 정확하게 예측할 수 있는가?
• RQ2 시간 범위 및 변동성 이외의 동적 포도당 지표를 포함함으로써 장기적인 당대사 결과의 설명 분산이 향상되는가?
• RQ3 기능적 데이터 분석은 표준 요약 통계치에 비해 CGM 데이터의 해석력과 예측 능력을 얼마나 향상시키는가?
• RQ4 포도당 속도와 가속도는 당뇨병 전단계 및 정상혈당 수치를 가진 개인에서 대사 기능 악화의 독립적 생물학적 지표로 얼마나 유의미한가?

주요 결과

• 포도당 속도와 가속도를 포함한 다변량 글루코디너시 모델은 기존 CGM 지표에 비해 HbA1c와 공복 혈장 포도당 예측의 조정된 R²를 5년 및 8년 추적 시점에서 20% 이상 향상시켰다.
• 글루코디너시 접근 방식은 시간 범위 및 포도당 변동성 지표와 같은 표준 생물학적 지표보다 장기적인 당대사 조절 예측에서 뚜렷한 승리를 거두었다.
• 기능적 데이터 분석은 고해상도이고 불규칙하게 샘플링된 CGM 데이터를 안정적으로 모델링할 수 있었으며, 다양한 시간 스케일에서의 동적 포도당 변화를 포착했다.
• 이 연구는 평균 포도당 수치를 보정한 후에도 포도당 역학, 특히 속도와 가속도가 미래의 포도당 결과에 독립적인 예측 정보를 지닌다는 것을 확인했다.
• 결과적으로 글루코디너시 지표는 기존의 CGM 지수에 비해 더 강력하고 해석 가능한 생물학적 지표로, 임상 및 예방적 당뇨병 연구에서의 활용 가능성을 뒷받침한다.
• 연구 결과는 차세대 인슐린 임상 시험과 예방적 치료 개선에 기능적 포도당 역학을 통합함으로써 결과 예측 및 개인 맞춤화를 향상시킬 수 있음을 시사한다.

Figure 2 : Heatmap of the two-dimensional density for glucose concentration and its first derivative (speed) estimated from the CGM time series for three non-diabetic individuals at baseline of the study. After 8 years, the individuals in the left and middle panels developed diabetes, while the indi