這是一份將演講者口述內容與簡報畫面深度整合的雙效合一演講逐字稿。本稿件以演講者的實際口述邏輯為主軸，並將簡報中出現但演講者未明言的數據、圖表細節與文獻資料，以底線標示補充於對應段落中，提供最詳盡的學術與臨床資訊。
開場與背景說明：從「糖尿病前期」到「疾病分期」概念的轉變
（主持人開場：各位女士先生，很抱歉現場有些混亂。我們現在處於連續血糖監測（CGM）的議程，原訂的第一位講者 Satish 尚未抵達現場，因此我們建議先由 Viral N Shah 醫師開始他的演講，主題為 CGM 在糖尿病前期的應用。）
大家午安，我是 Viral N Shah 醫師（印第安納大學醫學院內分泌與代謝科教授暨糖尿病臨床研究主任）。這真的很有趣，我剛剛才和 Bergenstal 醫師聊到，外面天氣這麼好，但我們卻都坐在室內，這充分顯示了我們對糖尿病以及糖尿病科技的熱情與奉獻。謝謝大家出席。
在開始之前，我先聲明我的利益衝突：我曾獲得包含 NovoNordisk、Dexcom、Eli Lilly 等多家機構的研究贊助，並擔任多間糖尿病科技公司的顧問或講者。
我被指派的講題原本是關於 CGM 在「糖尿病前期（Prediabetes）」的應用，但如果各位去年聽過我的演講，我會再次重申我的觀點：「糖尿病前期」這個術語本身有點問題。因此，我將今天的講題修改為：「第2型糖尿病的第一期與第二期（Stage 1 and Stage 2 T2D）的 CGM 應用」。
這個「分期（Staging）」的概念並不是什麼破天荒的新創舉，它其實非常合乎邏輯。我們在醫學上對許多不同的疾病都會進行分期，例如癌症。當有人說癌症第一期、第二期或第三期時，你馬上就能理解這代表著疾病的嚴重程度，以及可能伴隨更多併發症與較差的預後。同樣地，我們對肥胖、心臟衰竭也會進行分期（例如紐約心臟衰竭分級的一、二、三、四級），第三級的狀況顯然不如第一和第二級。
因此，我認為我們必須推動這個領域前進，將術語從「糖尿病前期」轉變為**「第2型糖尿病分期」。因為「糖尿病前期」這個詞只會給人一種感覺：「這只不過是發展成第2型糖尿病的危險因子罷了」，但這並非事實。這個名詞會產生臨床慣性（Clinical inertia）**，讓人覺得沒有急迫性，心想：「反正只是糖尿病前期，我一年後再來看你，一年後再抽一次糖化血色素（A1C）就好」，一直拖延到患者出現併發症了，才說：「噢，你現在有糖尿病了，我要開些藥給你。」我們必須改變這種因為術語而產生的臨床慣性，這正是我們提出分期概念的原因。
糖尿病的分期定義與 CGM 在各階段的潛力
這不是疾病的單一階段，而是一個光譜，從正常血糖（Normoglycemia）一路發展到血糖異常（Dysglycemia），最終演變成糖尿病。我們應該盡早介入以預防併發症。目前已有充分的數據顯示，在所謂的「第2型糖尿病第二期」階段，心血管死亡率就已經出現超額增加（Excess cardiovascular mortality）；而最近發表在《刺胳針糖尿病與內分泌學》（Lancet Diabetes & Endocrinology）的論文也指出，針對第2型糖尿病第二期進行早期介入，能夠有效降低心血管風險。
以下是我們提出的疾病分期標準與臨床特徵：
CGM 的角色已經大幅演進，許多人現在喜歡稱**「血糖」為人體的「第五生命徵象（Fifth vital sign）」**，持續監測它對維持健康至關重要。
CGM 在非糖尿病人群中的兩大潛在角色：診斷與治療
在尚未確診糖尿病（第一期與第二期）的人群中，CGM 有兩個主要的潛在角色：
非處方 CGM（Over-the-counter CGMs）的崛起
在尚未確診糖尿病的人群（第一期與第二期）中，這個話題變得越來越重要，因為現在美國已經推出了非處方（Over-the-counter, OTC）的 CGM 設備。這意味著你不再需要醫師處方，只要打開 Amazon 網站就能直接購買。價格大約是一個月（兩個感測器）89 到 99 美元。
這些非處方 CGM 徹底改變了遊戲規則，越來越多一般民眾開始使用它們。身為醫療人員，我們有責任去了解這些科技，因為病患絕對會拿著數據來問我們：「醫師，這個數值代表什麼意思？」雖然目前相關文獻還不多（有興趣的話可以掃描講義上的 QR Code，閱讀由 Salwa 撰寫的精彩論文），但我們必須準備好提供最佳的指導。
目前在美國市場上主要有兩款產品：Stelo 和 Lingo（另外有一款名為 Rio 的產品已獲 FDA 核准，但尚未上市）。
Dexcom 的 Stelo 與 Abbott 的 Lingo 比較：
從「靜態指標」到「動態數據」：CGM 診斷潛力的演進
在討論診斷目的時，請記住一件事：無論是第1型或第2型，第二期或第三期糖尿病，基於葡萄糖的診斷標準（空腹血糖、兩小時 OGTT、A1C）都是完全一樣的。這意味著，如果你在其中一種疾病中開發出某種診斷標準，它也應該適用於另一種疾病。
由於 TrialNet 和歐洲等大型聯盟的篩檢計畫，目前在第1型糖尿病領域有許多研究。其中一篇由 Julia K. Mader 等人於 2025 年發表在《Journal of Diabetes Science and Technology》 的文章總結了相關數據。研究指出，**高於 140 mg/dL 的時間（Time Above Range, TAR >140）**被公認是與血糖異常（第二期）風險增加相關的良好 CGM 指標。因為我們知道，大多數人 96% 的時間血糖都會落在 70 到 140 之間，所以 140 是一個很好的上限臨界值。
現在，這取決於你希望將這個生物標記設定為更具「敏感性（Sensitive）」還是更具「特異性（Specific）」：
（附註：在百分比換算上，1% 的時間等於一天中的 15 分鐘。）
然而，像「目標範圍內時間（TIR）」或「高於範圍時間（TAR）」這類將數據轉化為百分比的標準，我稱之為**「靜態指標（Static metrics）」。靜態指標有其限制**。
想像一下我們每個人的進食反應：有些人的血糖高峰（Spikes）升得非常快，有些人升得很慢；有些高峰維持了很長一段時間，有些則是「砰」一聲快速下降。如果你只看「高於範圍時間」（例如大於 140 mg/dL 的時間佔了 5%，也就是 1 小時 15 分鐘），你其實遺漏了關於這些不同血糖高峰的**「特徵」細節。你只知道你在 140 以上待了多久，卻不知道你是「如何」度過那段時間的。這些靜態指標無法捕捉的動態特徵**包含了：達到高峰的時間（振幅）、持續時間、以及頻率。
動態數據的應用：精確定義「病理性的血糖高峰」
這就是目前大量研究所聚焦的未來方向。Boris Kovatchev 曾提到，CGM 每 5 分鐘就能產生高達 150 萬筆數據，這是一個可以 24 小時全天候產生動態數據的絕佳工具。
研究人員正在嘗試用更「動態」而非靜態的方式來利用這些數據。例如，有學者開發了所謂的**「葡萄糖上升率偵測器（Glucose Rate Increase Detector, GRID）」**，試圖區分哪些血糖高峰是真正有意義、或是「病理性的（Pathological）」，而哪些只是無關緊要的波動。根據這項研究，偏移的起點被定義為：血糖達到 ≥130 mg/dL，且伴隨著持續的上升速率（例如在連續兩次讀數中上升幅度 ≥95 mg/dL/h）。隨後會透過一連串的驗證策略，從波動中找出真正具備最高濃度的「驗證高峰（Validated peak glucose）」。
更進一步，我們不僅要找出哪些高峰是壞的，還要探討「減少這些壞的血糖高峰，是否能改善臨床預後？」這代表我們正從單純的「關聯性（Association）」邁向「因果關係（Causality）」。
案例：Signos 系統與潛伏峰值時間（LST）
一個很好的例子是 Signos 系統的研究**（由 Dixon 等人於 2025 年發表在《Diabetes Technology & Therapeutics》）。他們提出了一個概念叫做潛伏峰值時間（Latent Spike Time, LST）**。 他們的方法學包含三個步驟：
研究結果發現，如果使用者能夠減少在下午 5 點之前（Before 5 PM）（也就是就寢前、主要與白天進食相關的時間段）發生這些「壞的」血糖高峰（包含高度與持續時間），這與隨後顯著的體重減輕具有相關性。體重一旦減輕，其他相關的代謝參數也會隨之改善。這項小型研究的成果，促成了 Signos 系統獲得美國 FDA 的核准。 （FDA 適應症：Signos 葡萄糖監測系統是一款非處方行動裝置應用程式，適用於 18 歲以上未注射胰島素的族群。協助偵測正常或異常血糖，並幫助使用者了解飲食、運動等生活型態改變如何影響血糖波動，進而協助維持健康體重。）
CGM 動態指數（CGM Dynamic Index, CDI）與進程預測
另一個令人興奮的動態數據應用，來自印第安納大學醫學院／維吉尼亞大學的 Eslam Montaser 博士（一位與 Boris Kovatchev 合作的數學家）發表在 2025 年《The Journal of Clinical Endocrinology & Metabolism》的研究。
他們分析了超過 6000 名個案（包含第1型、第2型糖尿病患者，以及帶有或未帶有自體抗體的非糖尿病對照組）的 CGM 數據。Eslam 提出了一個名為**「CGM 動態指數（CGM Dynamic Index, CDI）」的概念。他將 CGM 數據放入時間序列（Time series）的 3D 模型中，將每 15 分鐘的數據切割到不同的區間，用以觀察血糖狀態從正常轉變為異常的「轉換率（Rate of transition）」，也就是所謂的「熵率（Entropy rate）」**。
為了盡量簡單說明：
最驚人的是，我們觀察了兩位基準點完全沒有糖尿病（空腹血糖正常、OGTT 正常）、但帶有自體抗體（Stage 1/2 T1D）的個案。在後續追蹤中，那位呈現「高熵（高變異）」特徵的個案，進展到第1型糖尿病的速度要快得多。這代表如果你能捕捉到 CGM 測量出的微小動態變化，你就能更精準地預測誰會快速惡化。
在 TrialNet 數據集的應用中，為了平衡敏感性與特異性，他們將 CDI 異常的臨界值設定在 > 0.4616。 結果顯示，即使在基準點血糖看似「正常」的人群中，如果其 CDI 呈現異常（大於臨界值），這 88 人中有高達 85 人最終進展為第三期第1型糖尿病，預測進展率高達 96.6%！這是一個非常巨大的數字。進一步透過標準化淨效益（Standardized net benefits）分析，CDI 在預測能力上，表現得甚至比傳統的「TAR >140」靜態指標更好。
作為治療工具的挑戰與技術限制
那麼，將 CGM 作為一種「治療工具」呢？如果在第2型糖尿病第二期的病患身上使用 CGM，是否能預防他們進展到第三期？
根據 Salwa J. Zahalka 等人發表的文獻回顧（Review Article），雖然有超過 12 項針對糖尿病前期介入的研究使用了 CGM 來評估指標變化，但遺憾的是，我們目前**缺乏長期的前瞻性數據（Prospective study）**來證明 CGM 能直接預防從糖尿病前期到 T2D 的進展。這正是我們未來必須承擔的責任與研究方向，但在邏輯上，它與其他治療選項結合，確實具有預防第2型糖尿病與降低心血管風險的極大潛力。
當然，目前的 CGM 技術仍存在一些限制。我們目前接受的 CGM 準確度標準（如 15/15 或 20/20 規