Glukoza nie jest liczbą. Jest przebiegiem

Kilka dni ciągłego monitorowania glukozy pozwoliło przewidywać przyszłe ryzyko cukrzycy i zgonu sercowo-naczyniowego lepiej niż HbA1c. To nie znaczy jeszcze, że każdy zdrowy człowiek powinien przykleić sobie sensor. Pokazuje natomiast, ile informacji tracimy, gdy z dynamicznego procesu biologicznego robimy jedną liczbę.

Z tekstu dowiesz się:

• dlaczego pojedynczy wynik glukozy na czczo jest tylko migawką, a nie pełnym obrazem metabolizmu;
• co dokładnie przewidywał model GluFormer opublikowany w „Nature”;
• dlaczego prawidłowe HbA1c nie wyklucza nieprawidłowych wzorców glikemii;
• gdzie kończą się dane prognostyczne, a zaczyna nieudowodniony marketing sensorów dla osób bez cukrzycy.

Jedna próbka krwi próbuje opisać cały układ metaboliczny

Standardowy scenariusz wygląda niewinnie.

Przychodzisz rano do laboratorium. Od kilku godzin nic nie jadłeś. Pielęgniarka pobiera krew. Po południu dostajesz wynik:

glukoza na czczo: 97 mg/dl.

Wartość prawidłowa. Temat zamknięty.

Tyle że organizm nie żyje na czczo.

Przez większość doby jemy, poruszamy się, śpimy, pracujemy, reagujemy na stres, pijemy kawę, ćwiczymy albo pozostajemy bez ruchu. Glukoza rośnie i spada. Wątroba uwalnia ją między posiłkami. Mięśnie pobierają ją podczas wysiłku. Insulina próbuje kontrolować jej napływ do krwi. Kortyzol, sen, infekcja, alkohol i poprzedni posiłek zmieniają cały przebieg.

Pojedynczy pomiar laboratoryjny wycina z tego procesu jedną klatkę.

Może być dobrą klatką. Może być reprezentatywna. Może jednak wypaść akurat w dniu, w którym człowiek lepiej spał, mniej się stresował, zjadł inną kolację albo miał inną aktywność niż zwykle.

Nowe badania nie pokazują, że klasyczne testy są bezwartościowe. Pokazują coś bardziej interesującego: dynamika glukozy zawiera informację, której nie da się całkowicie odtworzyć z jednego pomiaru ani nawet z trzymiesięcznej średniej.

Najpierw ważna korekta: to nie sensor sam przewidział przyszłość

Nagłówek brzmi kusząco:

Kilka dni monitorowania glukozy przewiduje ryzyko cukrzycy i śmierci sercowo-naczyniowej lepiej niż HbA1c.

To zasadniczo oddaje kierunek wyników, ale pomija najważniejszy element badania.

Opublikowana w 2026 r. w „Nature” praca Guya Lutskera i współpracowników nie oceniała prostego wskaźnika typu „najwyższy skok po posiłku” albo „średnia dobowa z sensora”. Badacze stworzyli model nazwany GluFormer, który uczył się wzorców z całych sekwencji ciągłego monitorowania glukozy.

Model trenowano na ponad 10 milionach pomiarów pochodzących od 10 812 osób, w większości bez cukrzycy. Następnie sprawdzano, czy reprezentacje wyuczone z przebiegów glukozy przenoszą się na inne populacje. Autorzy wykorzystali 19 zewnętrznych kohort obejmujących łącznie ponad 6 tys. osób z pięciu krajów, badanych przy użyciu ośmiu typów urządzeń CGM.

Nie należy zatem sprowadzać wyniku do hasła: „sensor jest lepszy od badania krwi”.

Bardziej precyzyjne zdanie brzmi:

zaawansowany model analizujący pełny kształt krótkiego zapisu CGM potrafił wydobyć informację prognostyczną, której nie zawierało samo HbA1c.

To znacznie ciekawsza teza, ale także trudniejsza do przełożenia na codzienną praktykę.

Kilka dni pomiarów, około dwunastu lat obserwacji

Najbardziej efektowna część pracy dotyczyła 580 osób, dla których dostępny był zarówno krótki zapis CGM, jak i około dwunastoletnia obserwacja zdrowotna.

GluFormer przypisywał uczestnikom wynik ryzyka na podstawie wzorców widocznych w krzywej glukozy. Następnie badacze sprawdzili, gdzie w tym rozkładzie znaleźli się ludzie, u których w kolejnych latach rozwinęła się cukrzyca lub doszło do zgonu z przyczyn sercowo-naczyniowych.

W górnym kwartylu ryzyka znalazło się 66 proc. późniejszych przypadków cukrzycy, podczas gdy w dolnym kwartylu — 7 proc. W przypadku zgonów sercowo-naczyniowych 69 proc. zdarzeń wystąpiło w najwyższym kwartylu, a żadne w najniższym. W tej kohorcie model oparty na CGM rozdzielał grupy ryzyka skuteczniej niż HbA1c.

To imponujący sygnał.

Nie jest jednak równoznaczny z gotowym testem przesiewowym.

Po pierwsze, kluczowa analiza długoterminowych zdarzeń obejmowała tylko 580 osób. Po drugie, była obserwacyjna. Po trzecie, model rozpoznawał korelacyjne wzorce występujące przed chorobą, lecz nie dowodził, że były one jej przyczyną.

Możliwe, że przebieg glukozy wychwytywał wczesną insulinooporność, ograniczoną rezerwę komórek beta trzustki, gorszą kondycję wątroby, mniejszą aktywność fizyczną, zaburzenia snu albo kombinację wielu zjawisk. Model nie musi rozumieć biologii każdego z nich. Wystarczy, że ich ślady powtarzają się w danych.

Co właściwie może zobaczyć model w krzywej glukozy?

HbA1c redukuje złożony przebieg do jednej wartości. Klasyczna analiza CGM także często sprowadza dane do kilku prostych statystyk:

• średniej glukozy;
• czasu spędzanego w określonym zakresie;
• zmienności;
• czasu powyżej lub poniżej progu.

Model uczący się bezpośrednio z sekwencji może teoretycznie uwzględniać znacznie więcej.

Może rozpoznawać poranny wzrost glukozy, poziom nocny, amplitudę zmian po jedzeniu, czas potrzebny do powrotu do wartości wyjściowej, powtarzalność odpowiedzi między dniami oraz zależności między kolejnymi fragmentami przebiegu.

Może też wykrywać wzorce zbyt subtelne, by człowiek nazwał je na podstawie wykresu.

Nie oznacza to jednak, że każdy z tych elementów został udowodniony jako niezależny mechanizm choroby. Model prognostyczny może działać dobrze, nie dostarczając prostej, klinicznej odpowiedzi na pytanie, dlaczego konkretna osoba została sklasyfikowana jako zagrożona.

To klasyczny problem współczesnych biomarkerów opartych na uczeniu maszynowym.

Potrafią przewidywać, zanim potrafimy sensownie wyjaśnić.

Jedna glukoza na czczo potrafi zmienić kategorię z dnia na dzień

Ograniczenia pojedynczego pomiaru dobrze pokazuje wcześniejsze badanie Smadar Shilo i współpracowników, opublikowane w 2024 r. w „Nature Medicine”.

Badacze analizowali poranne wartości CGM u 8315 dorosłych w wieku od 40 do 70 lat, bez rozpoznanej cukrzycy. Łącznie ocenili niemal 60 tys. porannych okien pomiarowych, średnio przez nieco ponad siedem dni na osobę.

Średnia poranna glukoza wynosiła 96,2 mg/dl, ale przeciętna wewnątrzosobnicza zmienność między dniami była wyraźna — odchylenie standardowe wynosiło około 7,5 mg/dl.

To wystarczy, by osoba znajdująca się blisko granicy kategorii jednego dnia uzyskała 97 mg/dl, a następnego 104 mg/dl.

Wśród 5328 uczestników, których pierwszy poranny wynik znajdował się poniżej 100 mg/dl, 40 proc. miało w kolejnych dniach przynajmniej jeden poranny odczyt w przedziale odpowiadającym stanowi przedcukrzycowemu. U około 3 proc. pojawiły się wartości na poziomie stosowanym jako próg cukrzycy.

Łatwo przedstawić ten rezultat jako dowód, że 40 proc. osób z „prawidłowym wynikiem” w rzeczywistości miało stan przedcukrzycowy.

Byłoby to nadużycie.

Autorzy analizowali poranne odczyty CGM, a nie powtarzane, standaryzowane oznaczenia glukozy w osoczu żylnym. Sensor mierzy glukozę w płynie śródmiąższowym, a wahania mogą odzwierciedlać zarówno fizjologię, jak i właściwości samego pomiaru.

Badanie wykazało przede wszystkim niestabilność klasyfikacji opartej na jednym dniu, a nie 40-procentową częstość przeoczonej choroby.

Jeden wynik jest migawką. Diagnoza wymaga kontekstu i zwykle potwierdzenia

Obowiązujące kryteria diagnostyczne nie zakładają, że dowolny pojedynczy pomiar automatycznie rozstrzyga sprawę.

Według standardów American Diabetes Association cukrzycę można rozpoznać między innymi przy:

• glukozie w osoczu na czczo wynoszącej co najmniej 126 mg/dl;
• HbA1c wynoszącym co najmniej 6,5 proc.;
• glukozie co najmniej 200 mg/dl dwie godziny po wypiciu 75 g glukozy podczas doustnego testu tolerancji glukozy;
• przygodnej glukozie co najmniej 200 mg/dl, jeżeli występują klasyczne objawy hiperglikemii lub przełom hiperglikemiczny.

Gdy nie występuje jednoznaczna hiperglikemia, nieprawidłowy wynik powinien zostać potwierdzony.

Warto tu skorygować często powtarzane uproszczenie.

200 mg/dl nie jest uniwersalnym progiem cukrzycy „po posiłku”.

W kryteriach diagnostycznych chodzi o wynik po dwóch godzinach standaryzowanego testu z 75 g glukozy. Osobną sytuacją jest przygodna wartość co najmniej 200 mg/dl u człowieka z typowymi objawami.

Zwykły posiłek może mieć bardzo różny skład. Sto gramów ryżu, omlet, pizza i sałatka nie są równoważnymi testami metabolicznymi. Dlatego pojedynczego skoku po przypadkowym jedzeniu nie można interpretować tak, jak wyniku laboratoryjnego OGTT.

Dlaczego HbA1c nie widzi wszystkiego

HbA1c opisuje odsetek hemoglobiny, do której przyłączyła się glukoza. W praktyce jest wskaźnikiem średniej ekspozycji na glukozę w ciągu poprzednich tygodni, ze stosunkowo większym wpływem okresu najbliższego badaniu.

Jego ogromną zaletą jest prostota.

Nie wymaga bycia na czczo. Jest standaryzowane. Ma dobrze zbadaną relację z ryzykiem powikłań cukrzycy. Nadaje się do badań przesiewowych, diagnozowania oraz długoterminowego monitorowania leczenia.

Nie powinno się więc przedstawiać CGM jako technologii, która „obaliła” HbA1c.

Problem polega na czymś innym: ta sama wartość HbA1c może powstać z różnych przebiegów glukozy.

Jedna osoba może mieć dość stabilną glikemię oscylującą wokół średniej. Druga — niższe wartości przez dużą część doby i wysokie wzrosty po posiłkach. Średnia może wyjść podobnie, mimo że dobowe profile wyglądają zupełnie inaczej.

Roy Beck i współpracownicy nazwali ten problem „błędem średniej”. Pokazali, że między osobami występują znaczne różnice w relacji między HbA1c a średnią glukozą, dlatego HbA1c nie zawsze wiernie opisuje indywidualny profil glikemii. Ich analiza dotyczyła przede wszystkim osób z cukrzycą i nie stanowiła argumentu, że każdy zdrowy człowiek potrzebuje sensora.

HbA1c jest trochę jak fotografia wykonana z długim czasem naświetlania.

Pokazuje ogólną ekspozycję, ale rozmywa ruch.

CGM rejestruje film.

Film zawiera więcej informacji, lecz wymaga znacznie bardziej skomplikowanej interpretacji.

„Prawidłowa glukoza” nie oznacza zupełnie płaskiej linii

Badanie Anastazji Godnevej i współpracowników, opublikowane w 2026 r. w „Diabetes Care”, próbowało opisać, jak wyglądają profile CGM u osób bez cukrzycy.

Analiza objęła 8687 uczestników Human Phenotype Project w wieku 40–70 lat. Każdy dostarczył średnio ponad tysiąc odczytów z sensora.

Mediana czasu spędzanego między 70 a 140 mg/dl wyniosła 93 proc. Oznacza to, że połowa uczestników przez co najmniej około 7 proc. czasu znajdowała się poza tym zakresem — mimo braku rozpoznanej cukrzycy. Mediana czasu w szerszym zakresie 70–180 mg/dl wyniosła 95,2 proc.

To ważne, ponieważ rynek konsumenckich sensorów łatwo produkuje fałszywy ideał: zdrowy człowiek powinien mieć niemal płaską linię i nigdy nie przekraczać 140 mg/dl.

Badanie tego nie pokazuje.

Pokazuje raczej, że osoby bez cukrzycy przez większość doby przebywają w stosunkowo wąskim zakresie, ale krótkie wyjścia poza niego są częścią obserwowanego rozkładu.

Próg 140 mg/dl nie jest granicą oddzielającą każdą prawidłową reakcję od patologii. W tym badaniu służył jako narzędzie do opisu populacji i badania związku przebiegów CGM ze zdrowiem metabolicznym.

Nawet w normoglikemii istnieje gradient ryzyka

Najciekawsza część pracy Godnevej nie dotyczy samej mediany.

Badacze sprawdzali, czy różnice w czasie spędzanym poniżej określonych progów wiążą się z innymi cechami metabolicznymi.

Mniejszy odsetek czasu poniżej 140 mg/dl — a więc większa ekspozycja na wartości wyższe — był związany między innymi z większym obwodem talii, większą ilością tłuszczu trzewnego, wyższym stężeniem triglicerydów, wyższym ciśnieniem, mniej korzystnymi markerami wątrobowymi oraz niższym HDL. Związki były słabsze, gdy analizowano szerszy próg 180 mg/dl.

W obserwacji trwającej średnio około 2,6 roku mniejszy czas spędzany poniżej 140 i 180 mg/dl wiązał się również z częstszym pojawianiem się chorób metabolicznych.

To sugeruje, że normoglikemia nie jest jednorodnym stanem.

Dwie osoby mogą nie spełniać kryteriów stanu przedcukrzycowego, a mimo to różnić się jakością regulacji glukozy. Jedna będzie szybko przywracać poziom wyjściowy po posiłku. U drugiej podwyższenie może trwać dłużej i współwystępować z większą ilością tłuszczu trzewnego, wyższymi triglicerydami czy gorszą funkcją wątroby.

Granica diagnostyczna pozostaje potrzebna, ponieważ lekarz musi wiedzieć, kiedy rozpoznać chorobę.

Biologia rzadko respektuje jednak ostre granice formularza.

Korelacja nie mówi, czy glukoza jest przyczyną, markerem czy pasażerem

Osoba spędzająca więcej czasu powyżej 140 mg/dl może mieć gorszą kondycję metaboliczną.

Nie wynika z tego automatycznie, że samo krótkotrwałe przekraczanie 140 mg/dl wywołuje chorobę.

Wspólną przyczyną obu zjawisk może być insulinooporność. Może nią być większa ilość tłuszczu trzewnego, niższa aktywność fizyczna, gorszy sen, dieta, wiek, zaburzenia funkcji komórek beta albo stłuszczenie wątroby.

Krzywa CGM może być wczesnym markerem procesu, a nie jego głównym sprawcą.

To rozróżnienie ma praktyczne znaczenie.

Załóżmy, że po określonym posiłku glukoza rośnie do 155 mg/dl. Można spłaszczyć ten wzrost, jedząc wcześniej błonnik, idąc na spacer albo zmniejszając ilość węglowodanów. Można go również spłaszczyć przez pominięcie posiłku, niedożywienie albo obsesyjne unikanie większości produktów.

Ten sam rezultat na wykresie nie oznacza tego samego efektu zdrowotnego.

Sensor mierzy glukozę.

Nie mierzy pełnowartościowości diety, masy mięśniowej, sprawności sercowo-naczyniowej, relacji z jedzeniem ani jakości życia.

Najważniejszy błąd: przewidywanie nie jest zapobieganiem

Załóżmy, że model rzeczywiście potrafi wskazać ludzi, u których za dziesięć lat częściej rozwinie się cukrzyca.

To rozwiązuje pierwszy problem:

kogo uznać za osobę podwyższonego ryzyka?

Pozostaje drugi:

co należy zrobić z tą wiedzą?

I trzeci:

czy działanie oparte na wyniku rzeczywiście zmniejszy liczbę zachorowań lub zgonów?

Badanie prognostyczne odpowiada tylko na pierwsze pytanie.

Nie przeprowadzono dotąd badania klinicznego, które pokazałoby, że przekazanie osobom bez cukrzycy wyniku GluFormer, wielomiesięczne używanie sensora albo redukowanie indywidualnych skoków glukozy zapobiega cukrzycy, zawałom lub zgonom sercowo-naczyniowym.

Istnieją randomizowane badania wykorzystujące CGM jako narzędzie wspierające zmianę zachowania. Metaanaliza z 2024 r. wykazała korzystne, lecz na ogół umiarkowane efekty informacji zwrotnej z CGM na wybrane parametry glikemiczne w populacjach z cukrzycą i bez niej. Nie dowodzi to jednak długoterminowej prewencji chorób u zdrowych dorosłych.

To różnica między termometrem a leczeniem infekcji.

Lepszy termometr może dokładniej przewidzieć, kto jest chory.

Sam pomiar nie leczy.

Czy wszystkie wyniki pochodzą z jednej kohorty?

Nie.

Kilka cytowanych prac powstało jednak w tym samym ekosystemie badawczym i częściowo korzystało z danych Human Phenotype Project.

Badania dotyczące zmienności porannej glukozy oraz czasu w zakresach normoglikemii obejmowały tysiące uczestników tego projektu. HPP jest dużą, prospektywną kohortą głębokiego fenotypowania, łączącą dane kliniczne, molekularne, żywieniowe, mikrobiomowe i pochodzące z urządzeń ubieralnych. Do 2025 r. zapisano około 28 tys. osób, z których ponad 13 tys. ukończyło wizytę początkową.

Model GluFormer trenowano na danych HPP, ale testowano również w 19 zewnętrznych zbiorach.

Natomiast najbardziej nośny wynik dotyczący długoterminowego ryzyka cukrzycy i zgonu sercowo-naczyniowego pochodził z jednej, stosunkowo niewielkiej kohorty liczącej 580 osób.

Dlatego nie należy mówić, że „wszystkie wyniki pochodzą z jednej kohorty”.

Należy powiedzieć coś bardziej precyzyjnego:

kluczowy wynik prognostyczny wymaga niezależnej, prospektywnej replikacji w większych populacjach oraz sprawdzenia, czy model pozostaje skalibrowany w innych grupach etnicznych, wiekowych i klinicznych.

Dobre rozdzielanie ludzi na grupy ryzyka w jednym zbiorze nie gwarantuje, że wynik zachowa tę samą wartość po wdrożeniu w innym kraju, systemie ochrony zdrowia albo populacji o innym rozpowszechnieniu choroby.

CGM nie jest laboratoryjnym pomiarem glukozy przesyłanym co pięć minut

Sensor nie pobiera bez przerwy krwi z żyły.

Mierzy stężenie glukozy w płynie śródmiąższowym pod skórą. Zmiany w tym przedziale pojawiają się z pewnym opóźnieniem względem krążenia, szczególnie gdy glukoza szybko rośnie lub spada.

Na odczyt mogą wpływać także parametry urządzenia, pierwszy dzień działania sensora, ucisk podczas snu, miejsce założenia, temperatura oraz błędy pomiarowe.

Dla osób z cukrzycą ograniczenia te są dobrze znane i interpretowane w kontekście klinicznym. W populacji bez cukrzycy problem jest inny: analizowane różnice są zwykle mniejsze, a użytkownik może przypisywać znaczenie każdemu pikowi, nawet jeżeli częściowo wynika on z szumu lub normalnej fizjologii.

Przeglądy dotyczące używania CGM przez osoby bez cukrzycy podkreślają brak ustalonych standardów interpretacji, brak powszechnie zaakceptowanych celów terapeutycznych oraz niewystarczające dowody, że sam monitoring poprawia długoterminowe wyniki zdrowotne.

Więcej danych nie zawsze oznacza więcej wiedzy.

Czasami oznacza tylko więcej okazji do błędnej interpretacji.

Metaboliczny perfekcjonizm jest realnym ryzykiem

Wokół CGM powstał język moralizujący fizjologię.

Płaska krzywa jest „dobra”. Skok jest „zły”. Produkt powodujący większy wzrost staje się „toksyczny”. Człowiek zaczyna układać posiłki nie według głodu, wartości odżywczej, preferencji i całego bilansu diety, lecz według wyglądu wykresu przez następne dwie godziny.

Tymczasem zdrowy organizm ma reagować na jedzenie.

Po posiłku zawierającym węglowodany glukoza rośnie. Trzustka wydziela insulinę. Tkanki pobierają energię. Poziom wraca w kierunku wyjściowego.

Sam fakt wystąpienia wzrostu nie jest porażką metaboliczną.

Znaczenie mogą mieć jego amplituda, czas trwania, kontekst, powtarzalność i współwystępowanie innych zaburzeń. Nie istnieje jednak obecnie klinicznie zatwierdzony algorytm pozwalający zdrowemu użytkownikowi wyprowadzić z każdej indywidualnej krzywej konkretne zalecenie zapobiegające chorobie.

Sensor może być użytecznym narzędziem poznawczym.

Może też zmienić jedzenie w niekończący się test laboratoryjny.

Co badania zmieniają już teraz?

Przede wszystkim sposób myślenia o glukozie.

Klasyczny model diagnostyczny opiera się na punktach:

• glukoza na czczo;
• dwugodzinny wynik OGTT;
• HbA1c.

Nowy model traktuje regulację glukozy jako funkcję czasu.

Nie pyta wyłącznie, czy człowiek przekroczył określony próg, lecz jak organizm porusza się między wartościami: jak szybko reaguje, jak szybko wraca, jak stabilna jest noc i czy kolejne dni wyglądają podobnie.

To nie unieważnia klasycznej diagnostyki.

Dodaje kolejny poziom.

Możliwe, że w przyszłości krótkoterminowe CGM będzie stosowane podobnie jak holter EKG. Większość ludzi nie nosi holtera przez całe życie, ale kilka dni zapisu może ujawnić wzorzec niewidoczny podczas pojedynczego badania.

Analogicznie sensor mógłby być używany okresowo u osób z niejednoznacznymi wynikami, wysokim ryzykiem rodzinnym, przebytą cukrzycą ciążową, otyłością trzewną albo wynikami znajdującymi się blisko granicy diagnostycznej.

To na razie scenariusz rozwoju, nie standard postępowania.

Aby stał się medycyną, potrzebne są trzy rzeczy:

1. powtarzalny algorytm interpretacji;
2. ustalenie, komu wynik dostarcza informacji ponad standardowe czynniki ryzyka;
3. dowód, że interwencja oparta na tym wyniku poprawia zdrowie.

Bez trzeciego punktu mamy ciekawy biomarker, ale niepełną strategię kliniczną.

Najlepszy test nie zawsze jest testem najbardziej szczegółowym

Medycyna nie wybiera badań wyłącznie na podstawie liczby generowanych danych.

Dobry test powinien być:

• wiarygodny;
• powtarzalny;
• dostępny;
• możliwy do zinterpretowania;
• związany z decyzją, która pomaga pacjentowi.

HbA1c przegrywa z CGM pod względem rozdzielczości czasowej. Wygrywa prostotą, kosztem, standaryzacją i wieloletnią walidacją.

CGM może ujawnić wcześniejsze zaburzenia. Generuje jednak setki lub tysiące wartości, których znaczenie u osoby bez cukrzycy nie jest jeszcze jednoznaczne.

Model taki jak GluFormer może syntetyzować ten zapis do wyniku ryzyka. Wtedy pojawia się kolejny problem: czy lekarz i pacjent rozumieją, co wynik oznacza, jak jest skalibrowany i jaką decyzję należy na jego podstawie podjąć?

Nie każda dokładniejsza prognoza poprawia zdrowie.

Prognoza staje się klinicznie wartościowa dopiero wtedy, gdy prowadzi do działania, które zmienia wynik.

Czego rozsądnie nie robić na podstawie tych danych

Nie warto diagnozować u siebie stanu przedcukrzycowego na podstawie jednego odczytu z sensora.

Nie warto uznawać każdego przekroczenia 140 mg/dl za dowód uszkodzenia metabolicznego.

Nie warto porównywać pojedynczego odczytu po zwykłym posiłku z progiem 200 mg/dl stosowanym w standaryzowanym OGTT.

Nie warto także zakładać, że prawidłowe HbA1c daje całkowitą gwarancję prawidłowej dynamiki glukozy.

Najrozsądniejszy wniosek jest mniej widowiskowy:

nieprawidłowy albo niepokojący wzorzec CGM powinien prowadzić do właściwie przeprowadzonej diagnostyki, a nie zastępować ją.

W zależności od sytuacji może to oznaczać powtórzoną glukozę na czczo, HbA1c, OGTT, ocenę lipidów, ciśnienia, masy ciała, obwodu talii, funkcji wątroby i całego profilu ryzyka.

Metabolizm nie jest jednym wykresem.

Co naprawdę pokazuje seria tych badań

Po pierwsze, pojedyncza glukoza na czczo jest zmienna i może nie reprezentować typowego poziomu danej osoby.

Po drugie, HbA1c zachowuje ogromną wartość kliniczną, lecz jako średnia nie opisuje pełnej dynamiki glikemii.

Po trzecie, nawet u osób niespełniających kryteriów cukrzycy istnieje ciągłe zróżnicowanie wzorców CGM związane ze zdrowiem metabolicznym.

Po czwarte, modele analizujące cały przebieg glukozy mogą wydobywać sygnały długoterminowego ryzyka, które są niewidoczne w standardowych miarach.

Po piąte — i najważniejsze — żaden z tych wyników nie dowodzi jeszcze, że masowe stosowanie CGM przez osoby bez cukrzycy zapobiegnie chorobom.

To nie jest argument przeciwko technologii.

To argument przeciwko przeskakiwaniu najważniejszego etapu: od trafnego przewidywania do skutecznego działania.

Glukoza jako film, nie wyrok

Największa wartość CGM nie polega na tym, że dostarcza ludziom kolejnego wyniku do optymalizacji.

Polega na tym, że ujawnia strukturę procesu.

Pokazuje, że glukoza nie jest cechą stałą. Jest odpowiedzią organizmu na posiłek, sen, ruch, stres, rytm dobowy i stan metaboliczny.

Taki zapis może pozwolić zauważyć chorobę wcześniej. Może ujawnić różnice między ludźmi o podobnym HbA1c. Może pomóc stworzyć lepsze modele ryzyka.

Ale film wymaga interpretacji.

Jedna scena nie jest diagnozą. Jeden skok nie jest chorobą. Płaska linia nie jest pełną definicją zdrowia.

Glukoza na czczo jest zdjęciem. HbA1c jest długą ekspozycją. CGM jest filmem. Medycyna nadal musi ustalić, kiedy obejrzenie tego filmu rzeczywiście zmienia zakończenie.

Źródła główne: Lutsker G. i wsp., „A foundation model for continuous glucose monitoring data”, „Nature”, 2026; Shilo S. i wsp., „Continuous glucose monitoring and intrapersonal variability in fasting glucose”, „Nature Medicine”, 2024; Godneva A. i wsp., „Investigating the Spectrum of Normoglycemia”, „Diabetes Care”, 2026; Beck R.W. i wsp., „The Fallacy of Average”, „Diabetes Care”, 2017; Reicher L. i wsp., opis Human Phenotype Project, „Nature Medicine”, 2025.