近日，中國科學院深圳先進技術研究院生物醫學與健康工程研究所微創中心研究員聶澤東團隊，在基于生理信息的無創血糖監測技術方面取得新進展。相關研究成果以“Noninvasive blood glucose monitoring using spatiotemporal ECG and PPG feature fusion and weight-based Choquet integral multimodel approach”為題，發表在IEEE Transactions on Neural Networks and Learning Systems期刊上。這是繼該團隊研究基于生理信息的血糖監測/糖尿病管理的可行性后，在基于多模融合的無創血糖監測方面的重要進展。該研究揭示了基于可穿戴無創設備解析血糖變化的適用性，有望應用于糖尿病慢病管理、高風險人群評估等。

主動血糖監測是有效減少糖尿病和延緩并發癥的重要手段之一。目前，血糖監測主要通過指尖采血或者基于電化學檢測技術的植入式血糖監測設備（CGMS），而這些方法存在疼痛、使用壽命短、成本高等缺點，限制了患者的依從性。因此，研發非侵入式、舒適便捷的無創監測技術對促進血糖監測具有重要意義和臨床價值。

研究表明，血糖濃度的變化會刺激人體自主神經系統，引起心電（ECG）、光電容積脈搏波（PPG）等生理信息的改變，并考慮到ECG、PPG可通過智能可穿戴設備獲取，具有使用快捷、成本低等優勢，如圖所示，該研究提出了基于ECG及PPG多模態融合的無創血糖監測技術。該技術通過采用數值計算方法及深度學習算法獲取上述生理信息的時空特征信息，并采用基于可變權重的Choquet積分算法，實現不同模態的決策融合。科研人員利用該技術獲取了21名志愿者共103天數據，在10折交叉驗證中，所提出的多模融合算法在血糖監測中的MARD值達到13.42%，一致性誤差網格的A+B區＞99%。上述成果為基于穿戴健康設備和家庭用健康設備實現無創血糖監測提供了重要的理論基礎與技術支撐，具有廣闊的應用前景。???



圖1 （a）ECG/PPG的時空特征提取流程圖；（b）實驗測量場景；（c）實驗結果評估?





審核編輯：劉清