非糖尿病患者における CGM 動態解析が示す心血管リスクの新たな指標
Contents
01. 研究背景と未解決課題
従来の糖尿病診断基準である空腹時血糖（FPG）やヘモグロビン A1c（HbA1c）は、血糖異常（dysglycemia）の背後にある多様性や、それが心血管代謝リスク因子（CMRFs）とどう関連するかを完全には捉えられていません。特に、糖尿病に進行していない individuals においても、血糖動態の異常が心血管疾患のリスクを高める可能性が示唆されていますが、そのメカニズムやリスク層別化の精度は依然として課題です。
継続血糖モニタリング（CGM）技術の進歩により、血糖値の時間的変動を捉えることが可能になりました。しかし、非糖尿病患者における CGM データの臨床的有用性、特に心血管リスク予測への応用については、まだ十分なエビデンスが蓄積されていませんでした。本研究は、従来の静的な血糖指標では見落とされがちな動的な血糖プロファイルが、心血管リスクをより正確に評価できるかどうかを明らかにすることを目的としています。
02. この論文で明らかになったこと
本研究の結果、CGM で測定された血糖負荷（glycemic burden）を示す指標、特に血糖値が 140 mg/dL を超える時間の割合（% time >140 mg/dL）や平均血糖値は、10 年間の心血管疾患（CVD）リスク推定値と有意な正の相関があることが示されました。例えば、血糖値が 140 mg/dL を超える時間が標準偏差分（約 15.4%）増加するごとに、10 年間の CVD リスク推定値が 2% 上昇し、高血圧や脂質異常症のオッズが 21〜26% 増加することが分かりました。
さらに、CGM による血糖プロファイル解析により、従来の血糖基準（FPG/HbA1c）では「正常」または「糖尿病前症」と分類された集団内にも、異なる程度の代謝異常が存在することが明らかになりました。特に、高血糖負荷かつ高変動を示すプロファイルを持つ個体は、伝統的に定義された糖尿病前症の集団よりもさらに高い心血管リスクと悪い代謝プロファイルを示しました。これは、従来の診断基準では見逃される潜在的な代謝機能不全を CGM が捉えうることを示しています。
03. 研究デザインと技術的ポイント
本研究は、Framingham 心臓研究（FHS）の第 3 世代、新子配偶者、Omni 2 コホートから、糖尿病や心血管疾患の既往がない 1,356 名の参加者を対象に行われました。参加者は最大 10 日間、ブラインド型の Dexcom G6 Pro CGM を装着し、間質液中のグルコース値を 5 分間隔で測定しました。また、標準化された混合食負荷試験（MMTT）を行い、食後 2 時間の血糖値（2-h MMTT-PPG）も測定しました。
- CGM データから、血糖負荷（平均血糖、% time >140 mg/dL）、血糖変動（変動係数、MAGE 等）、および血糖コントロールの質を示す複合スコアを算出。
- 10 年間の CVD リスク推定には、米国心臓協会が開発した PREVENT 方程式を使用。
- 血糖プロファイルの分類には、 phenotype-driven（血糖負荷と変動の二分法による分類）と data-driven（教師なしクラスタリングによる分類）の 2 つのアプローチを採用。
- 多変量回帰分析により、血糖指標と CVD リスクおよび個別の代謝リスク因子（血圧、脂質、腎機能など）の関連を調整因子（年齢、性別、喫煙、BMI、FPG など）を考慮して解析。
04. 疾患研究・創薬研究への示唆
本研究の知見は、糖尿病の予防戦略や心血管リスク層別化において、CGM を活用した血糖動態の解析が重要な役割を果たす可能性を示唆しています。特に、従来の指標では正常と判断される個人であっても、CGM で捉えられる血糖異常は心血管疾患のリスクを高める可能性があるため、早期の介入や生活習慣改善のターゲットとなり得ます。
創薬研究の観点からは、代謝異常の早期段階におけるリスク因子の同定や、薬剤介入の効果を評価する際のバイオマーカーとして、CGM データが有用である可能性があります。また、血糖変動や特定の血糖プロファイルが、インスリン抵抗性や動脈硬化の進行にどのように関与するかを解明するための、より精密な前臨床モデルの設計にも役立ちます。
05. 前臨床モデル・研究ツールとの関連
本研究で示された「血糖負荷」や「血糖変動」の概念を前臨床研究で再現・検証するためには、代謝異常を模倣した動物モデルが不可欠です。例えば、高脂肪食誘発肥満マウスモデルや、特定の遺伝子を改変した糖尿病モデルを用いて、CGM による連続的な血糖モニタリングを行い、食事介入や薬剤投与による血糖プロファイルの変化を評価することが考えられます。
Cyagen などの研究支援サービスでは、代謝疾患研究に特化した 遺伝子改変マウス や、特定の代謝経路を操作したモデルを提供しています。これらのモデルを用いることで、本研究で示された CGM 指標と心血管リスク因子の関連を、より制御された条件下で検証し、新たな治療ターゲットの探索や薬効評価を推進することが可能です。特に、糖尿病前症段階の代謝異常を再現するモデルは、予防薬開発において重要なツールとなります。
06. まとめ
非糖尿病患者においても、継続血糖モニタリング（CGM）による血糖動態の解析は、従来の空腹時血糖や HbA1c では捉えられない心血管代謝リスクを明らかにする重要な手段です。血糖負荷や変動を示す CGM プロファイルは、10 年間の心血管疾患リスクや高血圧・脂質異常症などのリスク因子と強く関連しており、糖尿病予防や心血管リスク層別化の精度向上に寄与する可能性があります。今後の研究では、これらの知見を基に、より個別化された予防戦略や、前臨床モデルを用いたメカニズム解明が進むことが期待されます。
