Selama beberapa dekade, a diabetes diagnosis sangat bergantung pada mengukur gula darah dan melihat apakah itu melewati ambang batas klinis. Namun para peneliti semakin khawatir bahwa pendekatan ini telah merugikan jutaan orang berkembang menuju penyakit.
Secara global, diabetes telah menjadi salah satu krisis kesehatan yang paling menentukan di era modern. Menurut Organisasi Kesehatan Dunia, 14 persen orang dewasa menderita diabetes pada tahun 2022, naik dari 7 persen pada tahun 1990. Di AS, lebih dari 40 juta orang menderita diabetes, namun sekitar 11 juta masih belum terdiagnosis. Lebih dari 115 juta orang Amerika mengalaminya diperkirakan menderita pradiabetes, dan sekitar 80 persen tidak mengetahuinya. Di Inggris, sekitar 5,8 juta orang hidup dengan diabetes, dan 1,3 juta orang diperkirakan tidak terdiagnosis.
“Kita berbicara tentang epidemi yang, menurut saya, jauh lebih buruk daripada pandemi Covid,” kata Michael Snyder, profesor genetika di Universitas Stanford. “Kita memerlukan cara-cara baru untuk melakukan pendekatan ini.”
Bahayanya bukan hanya diabetes itu sendiri, namun kerusakan yang terakumulasi secara diam-diam selama bertahun-tahun sebelum diagnosis terdiagnosis. Peningkatan gula darah yang terus-menerus meningkatkan risiko penyakit jantung, stroke, gagal ginjal, kebutaan, dan kerusakan saraf. Semakin dini penyakit ini teridentifikasi, semakin besar peluang untuk mencegah komplikasi tersebut—atau menghindari diabetes sepenuhnya.
Diagnosis masih sangat bergantung pada pengukuran kadar glukosa dalam darah, paling umum menggunakan tes HbA1c, yang memperkirakan rata-rata gula darah selama beberapa bulan sebelumnya. Meskipun digunakan secara luas dan umumnya dapat diandalkan, namun tidak sempurna. Hasil tidak dapat mencerminkan kondisi medis atau faktor fisiologis tertentu yang dapat memengaruhi kadar gula darah.
Para peneliti semakin khawatir bahwa alat diagnostik yang ada juga kurang efektif pada beberapa populasi. Studi terbaru menyarankan HbA1c dapat menunjukkan tingkat yang sangat rendah pada beberapa orang kulit hitam dan Asia Selatan, sehingga menunda diagnosis hingga penyakitnya menjadi lebih parah.
Kesenjangan tersebut telah memicu meningkatnya minat terhadap pendekatan deteksi diabetes yang lebih personal dan kaya data: pendekatan yang menggabungkan biomarker, perangkat yang dapat dikenakan, dan kecerdasan buatan untuk mengidentifikasi risiko lebih awal dan memahami penyakit ini secara lebih rinci.
Di Universitas Stanford, Snyder dan rekannya telah mengeksplorasi apakah monitor glukosa berkelanjutan (CGM)—sensor yang dapat digunakan untuk melacak kadar glukosa secara real-time—dapat mengungkap pola metabolisme tersembunyi jauh sebelum diagnosis konvensional diabetes Tipe 2, yang mencakup sekitar 95 persen kasus. Meskipun sering dikaitkan dengan obesitas—yang merupakan faktor risiko penting—orang yang bertubuh kurus juga bisa terkena diabetes tipe 2. Snyder sendiri mengidap diabetes tipe 2 meski tidak sesuai dengan profil stereotip penyakit tersebut.
“Pengaturan glukosa melibatkan banyak sistem organ: hati, otot, usus, pankreas, bahkan otak Anda,” kata Snyder. “Ada banyak jalur biokimia, dan masuk akal bahwa disregulasi glukosa mungkin tidak hanya terjadi dalam satu wadah.”
Tim Stanford mengembangkan algoritme bertenaga AI yang menganalisis pola data CGM untuk mengidentifikasi berbagai bentuk diabetes Tipe 2. Dalam pengujian, sistem mengidentifikasi beberapa pola ini dengan akurasi sekitar 90 persen.
Para peneliti percaya bahwa temuan ini dapat membantu mengidentifikasi orang-orang yang sudah mengalami masalah metabolisme jauh sebelum diagnosis diabetes konvensional. “Ini adalah alat yang dapat digunakan masyarakat untuk mengambil tindakan pencegahan,” kata Snyder. “Jika kadarnya memicu peringatan pradiabetes, misalnya, kebiasaan makan atau olahraga dapat disesuaikan.”
CGM juga menjadi lebih murah dan lebih mudah diakses, dan kini banyak tersedia tanpa resep di AS. Snyder yakin mereka pada akhirnya bisa menjadi bagian dari perawatan kesehatan preventif rutin. “Idealnya, orang akan memakainya setahun sekali,” katanya. “Tujuan dari sudut pandang kami adalah menjaga kesehatan masyarakat dibandingkan mencoba memperbaikinya di kemudian hari.”
Para peneliti juga mencari sinyal di luar aliran darah sepenuhnya.
Di Imperial College London, konsultan ahli jantung Fu Siong Ng dan registrar spesialis kardiologi Arunashis Sau telah mengembangkan sistem AI yang menganalisis elektrokardiogram—pelacakan jantung sederhana yang dikenal sebagai EKG—untuk mengidentifikasi orang-orang yang berisiko lebih tinggi terkena diabetes Tipe 2 bertahun-tahun sebelum gula darah naik.
Dengan menggunakan sekitar 1,2 juta EKG dari catatan rumah sakit, bersama dengan data Biobank Inggris, para peneliti melatih model AI yang disebut AI-ECG Risk Estimation for Diabetes Mellitus (AIRE-DM) untuk mendeteksi perubahan halus pada kardiovaskular yang terkait dengan risiko diabetes di masa depan. Alat ini memperkirakan risiko di masa depan pada populasi yang beragam sekitar 70 persen.
“Ini tidak sempurna,” kata Ng. “Tetapi setidaknya alat ini sama baiknya, jika tidak lebih baik, dibandingkan dengan beberapa alat diagnosis yang ada saat ini,” tambahnya.
Keuntungan potensialnya adalah skala. EKG sudah banyak digunakan di rumah sakit dan klinik di seluruh dunia. Jika disetujui untuk penggunaan klinis, alat seperti AIRE-DM dapat menandai pasien berisiko secara otomatis selama perawatan rutin.
“Jika seseorang menderita diabetes, Anda ingin menurunkan kadar gulanya sesegera mungkin, karena risiko jangka panjangnya berkurang,” kata Ng. “Dan jika Anda mengetahui seseorang mungkin terkena diabetes di masa depan, semoga Anda dapat mengambil tindakan pencegahan.”
Hal ini dapat mencakup program penurunan berat badan secara intensif atau obat anti-obesitas baru yang semakin banyak dieksplorasi sebagai alat pencegahan diabetes. “Kami tidak akan pernah mengatakan ini adalah pengganti” pengukuran gula darah dan Hb1Ac, kata Ng. “Itu adalah tes diagnostik standar terbaik, tetapi kami sekarang memiliki hal-hal tambahan yang dapat Anda tandai sedini mungkin.”
Diabetes tipe 1 menimbulkan tantangan skrining yang berbeda. Berbeda dengan Tipe 2, penyakit ini merupakan penyakit autoimun di mana tubuh menyerang sel beta penghasil insulin di pankreas. Pada saat gula darah seseorang cukup tinggi untuk diagnosis konvensional, “kudanya sudah melesat,” kata Richard Oram, profesor diabetes dan nefrologi di Universitas Exeter. Banyak dari sel beta tersebut telah hilang.
Hingga saat ini, hanya sedikit dokter yang dapat melakukan hal tersebut sebelum hal tersebut terjadi. Namun salah satu imunoterapi kini telah terbukti menunda timbulnya klinis diabetes Tipe 1 sekitar tiga tahun dan telah mendapat persetujuan peraturan di AS, Inggris, dan Eropa. Maksudnya, obat ini perlu diberikan sebelum gula darah naik dan sebelum seseorang membutuhkan insulin.
“Kita perlu mengenalinya sejak dini,” kata Oram.
Itu berarti menemukan orang-orang dalam tahap awal penyakit, ketika autoantibodi menunjukkan bahwa sistem kekebalan tubuh sudah mulai menyerang sel beta namun kadar gula darahnya belum tinggi. Tim Oram telah mengembangkan kalkulator yang menggabungkan faktor-faktor seperti usia, riwayat keluarga, risiko genetik, dan status autoantibodi—yang ditentukan melalui tes darah sederhana—untuk memperkirakan peluang seseorang terkena diabetes Tipe 1.
Tujuannya adalah untuk membuat penyaringan dini menjadi praktis dalam skala besar. Memprediksi siapa yang mungkin terkena diabetes Tipe 1 biasanya memakan biaya dan waktu, serta sering kali memerlukan uji klinis yang panjang. Model Exeter menggunakan langkah-langkah sederhana untuk memberikan perkiraan risiko yang lebih cepat dan lebih murah sehingga dapat membantu dokter mengidentifikasi siapa yang harus diawasi lebih dekat.
Kalkulator ini sudah tersedia online untuk dokter, namun Oram mengatakan ini masih merupakan “langkah pertama”. Tim tersebut sekarang sedang mengujinya dalam studi skrining sebelum membawanya melalui proses regulasi untuk penggunaan klinis yang lebih luas.
“Skenario impiannya adalah memiliki alat prediksi risiko sederhana yang diintegrasikan ke dalam catatan layanan kesehatan elektronik dan menjadikannya lancar,” katanya.
