Continuous Ketone Monitoring（CKM）臨床導入、門檻設定與研究缺口：會後問答整合筆記

開場：從辯論走向臨床落地問題

在正式演講與辯論結束後，主持人邀請兩位講者一同回到台前，將討論從「continuous ketone monitoring（CKM，連續酮體監測）」是否值得導入，延伸到臨床實務中最關鍵的問題：哪些族群適合使用？如何解讀數據？警示門檻該怎麼設？醫療人員與病人要如何被教育？現有共識文件是否太早？未來研究要如何補足證據？

整段問答的核心不是單純支持或反對 CKM，而是反覆圍繞一個共同主題：CKM 可能非常有用，但目前仍處在證據快速生成、臨床規則尚未成熟的早期階段；因此必須在「不能沒有任何指引」與「不能過度聲稱已經知道答案」之間取得平衡。

Stage 2 第一型糖尿病篩檢族群：CKM 是否能提前發現代謝惡化？

第一位提問者提到，先前辯論非常精彩，但希望特別強調一點：隨著第一型糖尿病（type 1 diabetes, T1D）stage 2 篩檢與追蹤逐漸發展，CKM 在這個階段的應用可能也會非常有價值。也就是說，若一個人尚未進入臨床明顯糖尿病、但已經處於免疫與代謝風險升高的階段，連續酮體監測是否可能提供額外訊號，協助判斷疾病進展或代謝壓力？

回應中提到，目前已有與此問題相關的研究資源開始投入：Breakthrough T1D RFA 已針對這類問題提供資助，而來自 BDC 的 Briggs 已獲得 funding，專門研究這個方向。這代表學界已經意識到，CKM 不只可能用於已確診第一型糖尿病患者預防 DKA，也可能在更早期的 T1D 風險分層與疾病進展監測中扮演角色。

這段討論的重要性在於：CKM 的潛在用途不應侷限於「病人已經使用胰島素後，偵測酮酸中毒風險」；它也可能成為未來 T1D staging、早期介入研究、甚至疾病自然史研究的一部分。不過，目前仍屬研究問題，尚不能直接轉化為常規臨床建議。

年輕運動員與長時間耐力運動：酮體波動可能是風險，也可能是生理適應

來自 Quebec City 的提問者指出，年輕運動員或長時間參與耐力運動的年輕人，是一個仍需要更多研究的族群。若使用 ketone monitoring，這些人可能會出現許多酮體波動，而這些變化未必全是病理性的。提問者關心的是：是否已有真實世界研究評估這種情境？

回應指出，目前尚不清楚是否已有專門針對「運動員使用 CKM」的研究。已有一批超過 1,500 名個體、為期 兩週資料收集 的資料集，參與者在監測期間維持日常生活，因此其中很可能有人曾經進行較長時間運動或劇烈活動；但目前無法具體說明這些人在長時間運動下的酮體資料型態。

接著討論轉向更概念性的問題：高酮體明確可能有害，但低度或中度酮體上升未必一定是壞事。 某些情境下，輕微酮體上升可能反而提供心臟、腎臟或肌肉額外燃料來源。講者以 SGLT2 inhibitors 為例：有些研究者認為，這類藥物部分心腎保護效益可能與輕度酮體升高、提供替代燃料有關。類似地，在運動員身上，也許存在某種「sweet spot」：酮體略微升高可能代表能量代謝適應，而不是立即需要介入的危險訊號。

因此，CKM 在運動族群中的最大挑戰是：正常與異常的界線高度情境化。
同樣一個酮體數值，在以下不同情境中可能代表完全不同的意義：

空腹或低碳水飲食後的輕度酮體上升；
長時間耐力運動後的生理性脂肪氧化增加；
胰島素不足造成的病理性酮體累積；
感染、嘔吐、脫水或 pump failure 下的 DKA 風險；
使用 SGLT2 inhibitor 後的 euglycemic DKA 風險。

這也說明為什麼 CKM 不能只依賴單一 cut-off。未來若要在運動員、青少年或高活動量族群使用，需要把運動型態、持續時間、碳水攝取、胰島素劑量、血糖、症狀與水分狀態一起納入解讀。

基層照護與知識落差：若連內分泌科都不熟，家庭醫師如何承擔？

來自 Vancouver, BC 的 Jerry Klein 以護理師身分發言，特別呼應講者先前提到 CKM 可能帶來大量電話諮詢與臨床負擔。在加拿大，許多糖尿病患者主要由家庭醫師照護，而不是內分泌科醫師。她提到自己的碩士論文主題與「為何我對糖尿病知道得不夠」相關，並指出大量文獻都顯示基層端存在糖尿病知識落差。若連內分泌科醫師都被認為可能對 CKM 或 ketone data 不夠熟悉，那麼把這些裝置導入由家庭醫師主導照護的系統，可能會造成更大的教育與安全問題。

回應者強調，正因如此，團隊已經花了一年時間制定 ketone monitoring and management guidelines，並會在稍後場次正式討論。這些 guidelines 的目的，就是在裝置真正商業化、被廣泛使用之前，先讓臨床社群有可依循的教育資源與管理架構。

這裡的重點是：CKM 的成功導入不只是感測器準確度或演算法問題，更是醫療系統準備度問題。若缺乏清楚的教育材料、病人行動指南、基層醫師訓練與轉介流程，CKM 可能會把原本偶發的酮體測量，變成連續且難以解讀的資料洪流，進一步增加焦慮與醫療負擔。

共識與指引是否走得太快？資料不足下的臨床建議風險

另一位與會者指出，現在已經有許多不同學會、期刊與專家小組開始推薦或討論 CKM，包括發表在 Lancet、Diabetes、Endocrinology、Diabetes Care 等領域的文章與建議；但實際上支持 CKM 的臨床資料仍然有限。她相信未來兩、三年內會有許多研究陸續發表，也會更清楚知道哪些人受益、哪些人不受益、何時該使用或不該使用；但她擔心，在資料尚少時，各種 guideline 就已經大量出現。

回應者同意這個憂慮，並再次強調：目前我們確實還沒有足夠資料。 需要更大型的研究，先回答最基本的問題：

什麼是正常？
一個控制良好的第一型糖尿病患者，平常一天的酮體變化長什麼樣？
什麼是異常？
在胰島素不足、感染、pump failure、運動、禁食或低碳飲食等情境下，酮體曲線如何不同？
什麼樣的酮體模式真正預測 DKA？
是單一數值？上升速率？持續時間？合併血糖？合併症狀？
CKM 是否真的能降低 DKA？
這是最困難也最重要的 hard outcome。

講者特別將 CKM 與 CGM 作比較。對 CGM 而言，要證明臨床效益相對容易，因為低血糖在第一型糖尿病患者中可能一週發生多次；若 CGM 減少 hypoglycemia，很快就能在研究中觀察到差異。但 DKA 是相對少見的重大事件，若要證明 CKM 能預防 DKA，可能需要數千名患者、追蹤多年，才有足夠事件數確認效果。因此，CKM 的 hard outcome evidence 必然需要較長時間累積。

這段討論明確指出一個矛盾：臨床上不能等所有資料都完美才開始教育與指引，但也不能因為有裝置可用，就過早假設它已被證明能改善最重要的結局。

一段因麥克風故障而不完整的發言：辯論中的共識其實不少

中段有一位與會者發言時因麥克風問題，現場多數人無法聽清楚。主持人與講者確認麥克風狀態後，簡短摘要該發言大意：該聽眾基本上同意前一位講者所說的內容。

雖然該段內容無法完整辨識，但在整體脈絡中，它強化了一個事實：即使在辯論形式下，講者與聽眾之間其實有許多共同立場，包括：

CKM 有潛力；
目前資料仍不足；
不能沒有教育與行動建議；
門檻設定必須可修正；
臨床導入會帶來大量解讀與 workflow 挑戰。

Artificial intelligence 與 machine learning：未來可能用來辨識真正危險的 pattern，降低 noise

來自 Massachusetts 的 Cecilia Lozier 提出，未來 artificial intelligence（AI）或 machine learning（ML）在 CKM 中可能非常重要。她認為，AI/ML 可以協助辨識真正令人擔心的酮體模式，並過濾掉大量不具臨床意義的 noise。隨著技術進步，警示給病人的訊號應該能更一致地反映真正需要介入的狀況，而不是單純依靠粗略的固定門檻。

回應中同意這個方向，並指出目前仍不完全知道 alerts 應該設定在哪些位置。不過，現有 threshold 並非完全憑空而來，而是部分參考 International Society for Pediatric and Adolescent Diabetes（ISPAD） 的資料與建議。

討論也提到一個具體例子：Jeremy 曾指出 1.0 mmol/L 作為警示門檻似乎偏低。回應者承認，1.0 的確可能太低；但該門檻來自特定研究情境，例如 structured insulin suspend，當時研究者不希望孩子血糖升得太高，因此設定較保守。這不一定代表未來臨床實務中 CKM 的主要警示門檻也應該是 1.0。至少從目前討論來看，1.5 mmol/L 或更高 可能才是更具臨床重要性的範圍。

這段問答凸顯 CKM 未來演算法應該從「單點門檻」走向「動態風險模型」。理想中的系統可能會同時考慮：

酮體絕對值；
酮體上升速度；
酮體持續時間；
glucose level 與趨勢；
insulin delivery 狀態；
最近是否運動、禁食、生病或嘔吐；
是否使用 pump；
是否使用 SGLT2 inhibitor；
病人年齡、TDD（total daily dose）與個人歷史模式。

也就是說，AI/ML 的價值不只是讓裝置「更聰明」，而是讓警示更接近臨床決策：哪些情況要喝水、補胰島素、換 infusion set、吃碳水、重新檢測、聯絡團隊，或直接就醫。

門檻與共識文件的必要性：不能等資料完美才開始教育

接著，Kate 發言表示自己是 Jennifer 先前展示的 CKM 論文第一作者，因此希望替該文與其中提出的門檻設定做說明。她承認 Jeremy 所說的問題都是真實的：CKM 很新，大家不知道如何使用，資料還不夠，許多問題都還需要等待研究回答。然而，她強調：裝置一旦上市，臨床不能完全沒有起點。

她的核心主張是：即使門檻不完美，也必須先有一套初步架構，讓病人與臨床人員知道何時可能需要協助、何時需要求助、何時需要採取行動。就像 CGM 剛開始導入時一樣，當時大家也不知道該如何解讀所有資料，但必須先從某些演算法、建議與教育流程開始；之後再隨著更多資料逐步修正。

她也完全接受 CKM 會帶來許多未知資訊，甚至可能造成許多令人焦慮的電話或訊息。但如果沒有任何教育材料，讓病人戴上一個能連續顯示酮體的裝置，反而更不負責任。因此，建立 consensus document 的目的，是讓全球臨床人員在開始開立或建議 CKM 時，至少能有可參考的起點，而不是面對病人時只能說「我不知道該怎麼解讀」。

Jeremy 回應表示同意必須有起點，也承認 1.0 mmol/L 之所以常被提出，部分是因為它是一個好記、整數、容易作為 triggering value 的數字。但問題在於，如果這個門檻一開始就太常被觸發，而建議又不是非常簡單，可能會造成臨床與病人端的混亂。

他指出，酮體處理通常不像低血糖那樣可以簡化為「吃碳水」。CKM alert 後的建議可能包含：

找人協助或通知照護者；
喝水；
檢查或更換 infusion set；
評估是否需要補充胰島素；
有時需要攝取碳水；
依血糖與酮體組合判斷下一步；
若症狀惡化或酮體持續上升，需聯絡醫療團隊或就醫。

Kate 補充說，理想上應建立類似 sick day rules 的病人資訊單，甚至提供 QR code，讓病人在看到 ketone level 時可以立刻查到「現在該怎麼做」。如此一來，病人不一定需要馬上恐慌性打電話，而是能依照清楚流程先做自我處理。

Jeremy 也提到 Yale 已經有類似工具：在 electronic medical record 中輸入病人的 total daily dose（TDD），系統就能根據 glucose 與 ketone levels 輸出具體建議。這類工具未來可以繼續擴散，成為 CKM 導入時重要的決策支援。

這一段其實形成一個重要共識：門檻與指引不是最終答案，而是臨床溝通與教育的起點。 真正需要避免的不是「有初步門檻」，而是把初步門檻誤認為已經被充分驗證、放諸四海皆準的規則。

Breakthrough T1D 與 ADA 共識文件：兩者是否不同？臨床該遵循哪一個？

接著有人提問：Breakthrough T1D 先前已經有一份 consensus，三個月後 ADA 又即將推出另一份文件。這兩份文件是否相同？如果不同，醫療人員與病人應該遵循哪一份？為什麼？

回應指出，兩份文件在核心資訊上其實相當一致，並不是互相矛盾。差異在於 ADA 文件對 ketone measurement 的討論範圍較廣，不只談 continuous ketone monitor，也涵蓋：

urinary ketone measurement；
capillary ketone measurement；
continuous ketone monitoring；
ketone management 的具體流程；
可能的 flow diagram 與臨床處置建議。

因此，ADA 文件可能會提供更具體的「做什麼」指引，尤其是在不同 ketone measurement modality 下如何行動。講者也因此鼓勵大家參加當晚的相關場次，因為那裡會更完整說明這份新指引。

這段討論再次強調，目前真正需要的是一致、實用且可教學的框架。若不同文件在基本概念上大致 aligned，臨床端可以把它們視為互補：Breakthrough T1D 提供早期共識與方向，ADA 文件則可能提供更廣泛、流程化的 ketone management 建議。

從 CGM 歷史學習：25 年前同樣有焦慮、電話量與資料過載問題

另一位與會者補充說，Jeremy 對 CKM 提出的許多疑慮，幾乎與 25 年前 real-time CGM 剛出現時大家說的話一樣：

會有太多電話；
不知道如何處理資料；
病人會焦慮；
資料量太多；
臨床人員不知道何時該介入；
系統還沒有成熟演算法。

這些擔憂當年都是真實的，但 CGM 最終仍然透過研究、教育、演算法與臨床經驗逐步成熟。與會者提到，CKM 可以從早期 CGM 發展中的正面經驗與錯誤中學習，例如早期嘗試以 structured algorithm 來解讀 sensor data、形成臨床行動建議的經驗。

他也指出，辯論形式有時不利於呈現「兩件事可以同時為真」：一方面，CKM 的確令人期待；另一方面，CKM 的確有大量未知與潛在負擔。這兩者並不矛盾。真正的呼籲是：funding sources 必須持續提供研究經費，讓這些重要問題被正式回答，而不是只停留在專家意見與推測。

講者回應表示完全同意。這裡的訊息非常清楚：CKM 應該被視為一項正在進入臨床轉譯階段的新科技，其發展路徑可能類似 CGM，但不能假設會自然成功；必須靠資料、教育、流程與 funding 支撐。

住院場域：資料更少，但可能有更即時的臨床用途

來自 Colorado 的 Sarah 提問，將討論從門診與居家使用轉向 hospital setting。她指出，住院環境中 CKM 的資料更少，但也許存在更立即的實用性。她希望聽聽講者對住院應用的看法。

回應者表示，住院場域確實是另一個「can of worms」，也就是一個複雜但很重要的領域。已有一篇使用另一種 continuous ketone monitor 的研究發表，評估 DKA resolution 隨時間變化的測量，結果顯示 CKM 能夠更早偵測到 DKA resolution。這暗示 CKM 不只可能用於預防 DKA，也可能用於 DKA 治療過程中的監測與決策。

住院場域的潛在應用包括：

更連續地追蹤 DKA 是否改善；
比間歇性抽血更早掌握 ketone clearance；
輔助判斷何時 DKA resolution；
提醒住院團隊胰島素不足或被不當停止；
避免外院或非內分泌團隊因不了解糖尿病管理而停用 insulin，導致 DKA。

講者特別提到，某些病人在外部機構住院時，可能因胰島素被 hold 或處置不當，最終進入 DKA。若 CKM 能讓照護團隊更早注意到酮體變化，可能有助於避免這類事件。當然，住院使用仍有大量問題需要解決，包括裝置準確度、干擾因素、與實驗室 ketone 的對照、護理 workflow、警示責任歸屬與電子病歷整合等。

但整體而言，講者認為 hospital setting 會有許多應用，而且可能非常有幫助。

Remote patient monitoring：未來最有價值的應用可能在高風險族群遠距追蹤

最後一位發言者來自 University of Texas Southwestern，提出一個評論而非問題：未來 CKM 最大的實用價值，可能是在 remote patient monitoring（遠距病人監測）。

這個觀點與前面所有討論相互呼應。若 CKM 能被整合到遠距照護系統中，它可能特別適用於：

DKA 風險高的第一型糖尿病患者；
曾反覆 DKA 住院者；
使用 insulin pump 且有 infusion set failure 風險者；
青少年或年輕成人；
照護資源有限、需遠距協助者；
使用 SGLT2 inhibitor 的高風險個案；
生病期間需要加強監測者；
出院後短期內需要追蹤 DKA 復發風險者。

但這也會帶來新的問題：誰接收警示？誰負責回應？警示何時升級？如何避免 alarm fatigue？如何把 CKM data 與 CGM、insulin pump、症狀回報與 EMR 整合？這些正是未來遠距照護模式需要建立的核心流程。

Take-home Summary

CKM 有潛力，但仍處於早期臨床轉譯階段。 目前最重要的不是宣稱它已經能明確預防 DKA，而是建立合理、可教育、可修正的使用框架。
Stage 2 T1D 篩檢族群可能是未來研究方向。 Breakthrough T1D 已資助相關研究，探索 CKM 是否能在疾病早期階段提供代謝風險訊號。
運動員與長時間運動族群需要特別研究。 酮體上升在運動、空腹或低碳水情境下可能是生理現象，不一定代表 DKA 風險；CKM 解讀必須高度情境化。
目前最大問題之一是「什麼是正常」。 需要先知道控制良好的 T1D 患者日常酮體曲線，才能判斷何種模式真正異常。
證明 CKM 預防 DKA 會比證明 CGM 減少低血糖困難得多。 DKA 是較少見 hard outcome，可能需要大型、長期研究才能確認效益。
教育與 guideline 仍然必要。 即使資料不完美，裝置上市時不能沒有門檻、sick day rules、病人資訊單與臨床流程；但這些初步建議必須被視為起點，而非最終答案。
1.0 mmol/L 可能過於保守，1.5 mmol/L 或以上可能更具臨床意義。 但最佳警示門檻仍需根據情境、族群與 outcome data 修正。
AI/ML 可能成為 CKM 實用化的關鍵。 未來不應只靠單一酮體 cut-off，而應整合酮體趨勢、血糖、胰島素輸注、症狀、運動、生病狀態與個人風險。
住院場域可能有即時應用價值。 CKM 可能協助追蹤 DKA resolution、避免胰島素被不當停止，並提醒照護團隊注意代謝惡化。
遠距病人監測可能是 CKM 最重要的未來場景之一。 尤其適用於高 DKA 風險族群，但必須建立清楚的警示責任、回應流程與資料整合系統。

Continuous Ketone Monitoring for the Masses: Risky or Rewarding? - Question and Discussion Period