可穿戴設備測血糖，準確性如何大幅提升？

糖尿病是一種日益普遍的疾病，目前全球有超過 5 億成年人受其影響。由於目前 1 型或 2 型糖尿病尚無治癒方法，患者必須定期監測血糖水平（BGLs）以控制病情。儘管依靠痛苦的手指採血方式的 BGL 測量設備幾十年來一直是金標準，但現代技術正在慢慢爲更好的替代方案打開大門。

許多研究人員提出了使用廣泛可用的可穿戴設備（如智能手錶）來監測 BGLs 的非侵入性方法。例如，通過將某些智能手錶中存在的 LED 和光電探測器貼在皮膚上，可以測量氧合血紅蛋白和血紅蛋白脈衝信號以計算代謝指數，進而估計 BGLs。

然而，鑑於智能手錶和類似可穿戴設備的尺寸小且功率有限，測量信號的數據質量往往相當低。此外，由於這些設備佩戴在四肢上，日常活動會引入測量誤差。這些問題限制了此類可穿戴設備在糖尿病管理中的準確性和臨牀適用性。

日本濱鬆光子學株式會社的一個團隊一直在積極研究這個問題，以尋找有效的解決方案。在由研發工程師 Tomoya Nakazawa 領導的最近一項研究中，其成果發表於《生物醫學光學雜誌》

基於這一分析，他們採用了一種新穎的信號質量指數，把低質量數據在預處理步驟中過濾掉，進而提高估計的血糖水平的準確性。

“由於智能手錶在不同地區和不同年齡組中被廣泛使用，而且隨着全球糖尿病病例的增多，一種易於實施和應用，並且不受個人和個體差異影響的信號質量增強方法，對於滿足全球對無創血糖監測設備不斷增長的需求，絕對是必不可少的，”中澤說道。

首先，研究人員運用數學方法證明，通過不同方法計算得出的氧合血紅蛋白和血紅蛋白脈衝信號中兩種類型的相位延遲之間的差異，爲噪聲的影響提供了良好的衡量標準。

然後，他們考慮了相位誤差的兩個主要來源，即背景噪聲水平和通過離散間隔採樣引入的估計誤差。在將這些誤差源形式化之後，他們計算了對估計代謝指數的影響。

所提出的篩選方法涉及爲相位估計和代謝指數誤差設定閾值。超過設定閾值的數據塊將被丟棄，缺失值則依據其餘數據通過其他方式進行估算。

爲了測試這一策略，研究人員進行了一項長期實驗，在該實驗中，一款商用智能手錶裡的傳感器被用於監測一個健康個體在“口服挑戰”期間的血糖水平。

在四個月裡開展的 30 次測試中，每次測試時對象在食用高糖食物前都要禁食兩小時。

運用所提出的篩選方法對數據進行預處理，顯著提升了準確性。

利用帕克斯誤差網格技術對測量誤差予以分類，在應用篩選時，數據點處於 A 區的比例大幅上升。這意味着是臨牀上準確的值，能夠促成正確的治療決策。

“採用篩選過程提高了我們基於智能手錶的原型中的血糖水平估計的準確性，”中澤說道，“我們的技術能夠推動將可穿戴和連續的血糖水平監測整合進智能手錶和智能戒指等設備當中，這些設備通常在尺寸和信號質量方面存在限制，”他補充說。

研究團隊還指出了智能手錶目前存在的一些侷限性，這些侷限性致使其性能遜色於基於智能手機攝像頭的技術。儘管所提出的方法肯定有助於提高前者的性能，但光電探測器和放大器電路硬件的改進，將極大地有助於讓可穿戴電子產品成爲更具吸引力且在臨牀上可被接受的監測血糖水平的選擇。