這是一份詳細整合演講者口述內容與輔助資料的雙合一講稿筆記。內容以演講者的實際敘述為主軸，並將補充數據、文獻出處與圖表細節無縫融入相應的段落中，以進一步強化論述的完整度與深度。
第一部分：連續血糖監測（CGM）與血糖動態在早期預測的應用
以 CGM 診斷第 2 期第 1 型糖尿病的共識與潛力 針對正邁向某種形式血糖異常的族群，其中部分將可透過自體抗體（autoantibody）檢測確診為第 1 型糖尿病。Klonoff 醫師主導了一項關於使用連續血糖監測（CGM）來篩檢與監測第 2 期第 1 型糖尿病的共識。該共識認定，像是血糖高於 140 mg/dL 的時間（Time Above Range, TAR >140 mg/dL）這類指標，可用於發展早期診斷血糖異常的系統，並且明智地指出人工智慧（AI）方法未來能表現得更好。這份由 Mader 等人發表於 2025 年 7 月《Journal of Diabetes Science and Technology》的共識結論也指出，雖然 CGM 目前尚無法完全取代血液診斷，但作為一項具潛力的篩檢工具，它能促成更早、更有效的介入治療。該共識探討的指標除了基礎統計外，還涵蓋了系統動力學（system dynamics）、熵率（entropy rate）與機器學習等進階數學模型。
將「血糖動態」作為預測生物標記的初步嘗試 接下來我將接續前述的論點。我所能找到最早開始關注將「血糖動態變化（glucose dynamics）」作為生物標記（而不僅僅是設定單一閾值）的文獻，是出自 TrialNet 的研究報告。在這篇論文中，提出了一個相當神秘的 DYSF 指數（動態壓力因子，dynamic stress factor），正是這個指數區分了有無血糖異常的受試者。雖然我無法確切說明它的計算公式，但它包含了「動態（dynamic）」這個詞，意味著它觀察的是血糖變化的速率等動態特徵。該研究（Wilcon 等人發表於 2023 年 2 月《Diabetes Care》）分析了 53 位第 1 期（具有 2 種以上自體抗體且口服葡萄糖耐受測試 OGTT 正常）、42 位第 2 期（OGTT 異常）以及 29 位第 3 期第 1 型糖尿病患者。結果顯示，第 2 期參與者不僅平均日血糖值較高、血糖大於或等於 140 甚至 160 mg/dL 的時間佔比超過 5% 或 8%，其 DYSF 探索性指標所測量出的血糖變異度也更大。這結論指出，即使在 OGTT 正常的人群中，CGM 也能協助找出極可能快速進展至第 3 期第 1 型糖尿病的個體。
CGM 與 OGTT 的預測能力比較 在進入更複雜的內容之前，我想先展示這篇論文，它基本上證實了 CGM 和口服葡萄糖耐受測試（OGTT）在偵測血糖異常上，能達到相同的作用。因此，從自體抗體篩檢，到執行 OGTT，再到採取臨床行動的整個流程中，至少中間的 OGTT 階段很可能需要被 CGM 取代。因為 OGTT 的執行過程困難、不符合一般生理狀態，且必須在診所內進行。相對地，連續監測則輕鬆得多。
**這項由 Desouter 等人發表於 2025 年 2 月《Diabetes Care》的研究，針對比利時糖尿病登記處（BDR）34 位具有多重自體抗體的受試者進行了長達中位數 3.5 年的重複代謝監測。最終有 17 位進展至第 3 期。**詳細的分析指出，OGTT 和 CGM 的風險預測分布（risk profiles）基本上是相同的，兩者都能很好地完成識別血糖異常的任務。從 C-index 森林圖（數值介於 0.5 到 1.0 之間）與非分層存活曲線（Kaplan-Meier Plot）可以看出，CGM 指標（例如時間 ≥ 140 mg/dL，p=0.001；或時間 ≥ 120 mg/dL，p<0.001）與 OGTT 指標（例如 AUC 葡萄糖，p=0.010）的表現相近。結論明確指出，糖化血色素（HbA1c）是靜態且較缺乏資訊價值的，而 OGTT 與 CGM 都能反映血糖動態。在臨床監測上，CGM 結合 HbA1c 可作為重複執行 OGTT 的良好替代方案。
β 細胞功能退化進程與我們該關注的 CGM 指標 那麼問題來了，我們到底應該關注哪些 CGM 指標呢？這是一張大約三年前由耶魯大學 Alfonso Galderisi 製作的圖表，它展示了糖尿病的各個分期，以及在接受刺激測試（challenge）後的胰島素與血糖變化曲線。
當第 1 期糖尿病發生時，第一個消失的特徵就是第一階段胰島素分泌反應（first-phase insulin response, FPIR），這可以透過對血糖反應的動態變化反映出來。即使在整體高血糖曝露量或「血糖高於 140」的時間佔比尚未出現改變的情況下，系統的動態就已經不同了。只要觀察當第一階段胰島素反應消失時，血糖的變化模式就與反應存在時截然不同。在健康的 β 細胞狀態下，會有明顯的雙相（biphasic）胰島素反應；但到了第 1 期（具 2 種以上胰島素自體抗體，尚無血糖異常），不僅 FPIR 下降，C-peptide 曲線也會轉變為單相（monophasic）且變平坦。由於早期疾病導致 FPIR 喪失，這種動態反應的缺失在餐後最為明顯，例如餐後達到血糖峰值的時間會延遲超過 30 分鐘，甚至最終達到糖尿病範圍。
因此，我們該如何偵測這種差異？我必須說，在這種早期情境下，糖化血色素（A1C）這類指標是毫無用處的。設定特定閾值、高於閾值的時間或曲線下面積（AUC）等指標在疾病後期很有用；但在更早期的階段，我們必須觀察與第一階段胰島素反應喪失相對應的「系統動力學（system dynamics）」，這意味著我們必須專注觀察特定的餐後 CGM 輪廓（profiles）****（引自 Galderisi 等人 2023 年 12 月《Diabetologia》）。
新型檢測指標：熵率（Entropy Rate）與龐加萊圖（Poincaré Plot） 目前與印第安納州 Viral Shah 共事、過去是我的博士後研究員 Eslam Montaser 大膽探索了血糖動態的生物標記，他研究了其中兩個指標。
根據這項涵蓋 843 人、共 5754 份每日 CGM 輪廓的大型研究（發表於 2024 年 12 月《The Journal of Clinical Endocrinology & Metabolism》），這兩項動態標記在區分健康與糖尿病個體時，表現出極高的接收者操作特徵曲線下面積（AUC 達 0.98 至 0.99），證明 CGM 動態標記可作為鑑別高免疫風險個體的絕佳替代方案。
導入 AI 輔助篩檢 CGM 輪廓 最後，我要介紹運用人工智慧（AI）來篩檢 CGM 輪廓。這個演算法是由我的同事 Heman Shakeri 所開發（我相信他明天下午一點的場次會在不同的背景下發表這項研究，主題是使用 CGM 與深度學習及早偵測妊娠性糖尿病）。
這個模型不單單只看單一的 CGM 數值，而是會檢視一大堆特徵，包括年齡等人口統計資料，以及變化速率等等。這是一個為期 14 天的 CGM 輪廓，演算法在了解該病患特徵的前提下，沿著 CGM 數據運行，並標記出前三大最可疑的「血糖波動（excursions）」。在展示的案例中，標記了關注度達 100%、98% 與 95% 的三次異常波動，並提取了包含峰值（Peak Val，最高達 214 mg/dL）、左側基線（Left Base）、突起幅度（Prominence，最高飆升 120 mg/dL）、上升速率（Rise Rate）、達峰時間（Time to Peak）以及恢復缺損（Recov Deficit）等多種數位生物標記進行 0-180 分鐘的詳細分析。
AI 會賦予一個機率值，判斷這個波動是否為血糖異常的訊號，並最終在左上角計算出一個總分。以這個案例來說，病患 43162 的整體 AI 風險值約為 56.9%，意味著這個人有出現符合第 1 型糖尿病血糖異常反應的機率。這項工作目前仍在進行中，目前用於主動測試的資料量還很少；它最初是利用妊娠糖尿病的龐大資料庫所開發，隨後再針對第 1 型糖尿病進行調整。如果 TrialNet 決定採用並進行大規模測試，我們將非常樂意提供這項技術。我們可以設想這樣的願景：這套系統向基層照護醫師展示出這三個異常波動很可疑，並顯示相關風險與整體評分；如果風險超過 50%，醫師就能決定採取行動或進行醫界公認的處置。
當前困境與改善糖尿病診斷流程的建議 總結來說，我們目前的臨床目標是在第 2 期就偵測出第 1 型糖尿病（T1D）。
【提問環節】 Frohner 醫師提問： 請問目前為止，針對結果所進行的 CGM 分析大多是橫斷面（cross-sectional）的。我想知道這些方法是否能用於縱向的重複測量（longitudinal repeated measures）？也就是觀察從一個時間點到另一個時間點的變化，而不僅僅是觀察單一一次讀取或配戴的特徵？ 講者回答： 沒錯，我們的建議正是偶爾獲取為期兩週的 CGM 輪廓，並觀察從現在到一年後之間的縱向變化。這完全就是我所提出的建議。
第二部分：重新評估對一般大眾進行第 1 型糖尿病風險篩檢的時機
（主持人 Chantal Mathieu 引言介入） 接下來很高興能介紹另一位來自佛羅里達州甘斯維爾（Gainesville）的好友——Desmond Schatz 教授。他是佛羅里達大學的小兒科教授，同時也是臨床研究中心的醫療主任兼 2016 年美國糖尿病學會（ADA）前任主席。Des 在第 1 型糖尿病的篩檢與疾病修飾療法上有著豐富的經驗。他今天的講題是：「我們是否該重新評估對一般大眾進行早期或具第 1 型糖尿病風險篩檢的建議？」
Desmond Schatz 教授演講： 非常感謝 Chantal 的介紹，也再次感謝主辦單位。Moshe 交給了我一個非常具體的任務，他告訴我：「盡量引起爭議。」他要我假裝自己是一位監管機關人員或公共衛生官員，並探討「我們現在處於什麼階段，未來又將走向何方？」
首先聲明，我與本次演講內容並無任何利益衝突。我想先帶大家回顧 2026 年的現狀。根據美國糖尿病學會（ADA）發布的最新照護標準（standards of care），目前建議在研究環境下，或是針對第 1 型糖尿病患者的親屬，為具有自體抗體病史的無症狀兒童進行篩檢；正如 Heller 醫師稍早提到的，這項建議現已擴展至遺傳風險較高的族群，其中也包含了患有器官特異性自體免疫疾病的患者。我必須特別強調，對於患有器官特異性自體免疫疾病（例如乳糜瀉 celiac disease、自體免疫甲狀腺疾病、腎上腺疾病或自體免疫卵巢衰竭）的患者而言，他們罹患糖尿病的風險確實會顯著增加。
若患者持續存在多種自體抗體，或是目前發現帶有單一的 IA-2 自體抗體，都應密切監測其是否進入第 1 期或第 2 期，這也應被視為在臨床試驗或使用已核准療法中進行早期介入的指標。高風險受試者應被轉診至專門的醫學中心。
然而，我們深知這是一項極大的挑戰，因為後續的監測需要極其專業的照護。誠如 Thomas Danny 在之前的演講中所述，我們目前沒有足夠的醫療服務提供者（不管是年輕或年長世代的醫師），能夠向患者清楚解釋篩檢的意義、該如何進行監測，以及有哪些可用的介入治療。
而在目前的 2026 年，針對無症狀且屬於低風險的個體進行廣泛性檢測，仍不被建議作為「公共衛生篩檢（public health screening）」的一環（我特別強調公共