Neu ermittelte Untergruppen für Schwangerschaftsdiabetes

Forscher der MedUni Wien haben drei Subgruppen der von Schwangerschaftsdiabetes mit unterschiedlichem Therapiebedarf ermittelt. Die Ergebnisse wurden in der Fachzeitschrift „Diabetologia“ publiziert.

Im Rahmen der Studie analysierten Wissenschafter der MedUni Wien in Zusammenarbeit mit Kollegen der Charité Universitätsmedizin Berlin und des Consiglio Nazionale delle Ricerche Padua bestimmte Daten von 2682 Frauen mit Schwangerschafts-diabetes (GDM), welche zwischen 2015 und 2022 an der MedUni Wien und der Charité routinemäßig erhoben worden waren. Mithilfe von Clusteranalysen, einer Methode des maschinellen Lernens, wurden die Patientinnen basierend auf Routineparametern wie Alter, Body-Mass-Index (BMI) vor der Schwangerschaft sowie Blutzuckerwerten aus einem Glukosetoleranztest (OGTT) in verschiedene Gruppen eingeteilt.

„Daraus ließen sich ganz klar drei Cluster mit unterschiedlichem Therapiebedarf ableiten“, berichtet Studienleiter Christian Göbl. „Darüber hinaus haben wir gesehen, dass auch verschiedene Schwangerschaftskomplikationen in den einzelnen Untergruppen unterschiedlich gehäuft auftreten“, fügt er hinzu.

Routinedaten für individualisierte Therapieentscheidung

Der erste Subtyp umfasst Frauen mit den höchsten Blutzuckerwerten, einer hohen Adipositasprävalenz und dem höchsten Bedarf an blutzuckersenkenden Medikamenten. Die zweite Untergruppe besteht aus Frauen mit mittlerem BMI und erhöhten Nüchternblut-zuckerwerten. Frauen mit normalem BMI, aber erhöhten Blutzuckerwerten nach der OGTT wurden im dritten Subtyp zusammengefasst. „Die Patientinnen in den von uns ermittelten Untergruppen zeigten bemerkenswerte Unterschiede in Bezug auf den Bedarf an glukosesenkenden Medikamenten und Behandlungsmodalitäten wie zum Beispiel schnell wirkendes gegenüber intermediärem oder lang wirkendem Insulin“, weist Göbl auf die enorme klinische Relevanz der Studienergebnisse hin, die den Grundstein für weitere Forschungsarbeiten zur Entwicklung optimaler Behandlungsstrategien für jede Subgruppe legen.

Das neu geschaffene Modell dafür basiert auf maschinellem Lernen, einem Bereich der künstlichen Intelligenz, der Vorhersagen und Entscheidungen aus Daten ableiten kann. „Dazu werden in diesem Fall nur wenige Parameter benötigt, die in der klinischen Routine bei Schwangerschaftsdiabetes ohnehin immer vorhanden sind. So können Patientinnen noch spezifischer und individualisierter beraten und behandelt und das Risiko für Komplikationen bei Mutter und Kind weiter verringert werden“, so Göbl.