近日，中國科學院深圳先進技術(shù)研究院醫(yī)工所微創(chuàng)中心研究員聶澤東團隊在基于生理信息的無創(chuàng)血糖監(jiān)測技術(shù)方面取得新進展。相關(guān)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(fā)表在IEEE Transactions on Neural Networks and Learning Systems上。這是繼該團隊研究基于生理信息的血糖監(jiān)測/糖尿病管理的可行性后，在基于多模融合的無創(chuàng)血糖監(jiān)測方面的重要進展。該研究揭示了基于穿戴無創(chuàng)設(shè)備解析血糖變化的適用性，有望應(yīng)用于糖尿病慢病管理、高風險人群評估等。

主動血糖監(jiān)測是有效減少糖尿病和延緩并發(fā)癥的重要手段之一。目前，血糖監(jiān)測主要通過指尖采血或者基于電化學檢測技術(shù)的植入式血糖監(jiān)測設(shè)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(fā)非侵入式、舒適便捷的無創(chuàng)監(jiān)測技術(shù)對促進血糖監(jiān)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(jīng)系統(tǒng)，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(shè)備獲取，具有使用快捷、成本低等優(yōu)勢，如圖所示，提出了基于ECG及PPG多模態(tài)融合的無創(chuàng)血糖監(jiān)測技術(shù)。該技術(shù)通過采用數(shù)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(quán)重的Choquet積分算法，實現(xiàn)不同模態(tài)的決策融合。科研人員利用該技術(shù)獲取了21名志愿者共103天數(shù)據(jù)，在10折交叉驗證中，所提出的多模融合算法在血糖監(jiān)測中的MARD值達到13.42%，一致性誤差網(wǎng)格的A+B區(qū)＞99%。上述成果為基于穿戴健康設(shè)備和家庭用健康設(shè)備實現(xiàn)無創(chuàng)血糖監(jiān)測提供了重要的理論基礎(chǔ)與技術(shù)支撐，具有廣闊的應(yīng)用前景。

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

該研究工作得到國家重點研發(fā)計劃、國家自然科學基金、中國科學院STS計劃-黃埔專項、中國科學院生物醫(yī)學信息與健康工程學重點實驗室的支持。?

論文鏈接：
https://ieeexplore.ieee.org/document/10146523