可穿戴电子设备可以作为监测糖尿病患者血糖水平(BGL)的宝贵工具。然而,它们的紧凑尺寸和有限的电源可能导致显著的测量不准确性。在最近的一项研究中,研究人员提出了一种筛选方法,有效地在预处理阶段滤除低质量数据,从而提高了BGL估算的精度。这一进展可能导致使用日常消费设备的更便捷的糖分监测解决方案,消除指尖刺破的必要性。
糖尿病已成为一种普遍的健康问题,全球超过5亿成年人受到影响。由于目前尚无针对1型或2型糖尿病的治愈方法,管理血糖水平对患者至关重要。传统上通过痛苦的指尖刺破来监测血糖已成为多年的标准方法,但技术的进步逐渐提供了更好的替代方案。
众多研究人员建议使用常见的可穿戴技术(如智能手表)来监测BGL的非侵入性技术。例如,通过将某些智能手表中的LED和光电探测器放置在皮肤上,可以测量氧合血红蛋白和血红蛋白的脉冲信号,从中估算出可推导BGL的代谢指数。然而,智能手表的紧凑尺寸和有限的电池寿命可能导致捕获信号的数据质量较低。此外,由于这些设备通常佩戴在四肢上,日常动作可能引入不准确性。这些挑战妨碍了这些可穿戴设备在糖尿病护理中的可靠性和临床可用性。
日本滨松光学株式会社的研究团队一直在探索这一问题以寻找有效的解决方案。由研发工程师中泽智也领导,他们在《生物医学光学杂志》(JBO)上发表的最新研究涉及对代谢指数方法中误差源的广泛理论评估。在分析之后,他们开发了一种独特的信号质量指数,以在处理之前滤除低质量数据,从而提高对BGL的估算精度。
中泽在评论这项研究的目的时表示:“随着智能手表在不同年龄组中日益流行,以及全球糖尿病发病率的上升,加强信号质量的技术,易于实施并能适应个体差异,对满足对非侵入性血糖监测解决方案日益增长的需求至关重要。”
研究人员在数学上演示了如何通过不同方法计算的氧合血红蛋白和血红蛋白脉冲信号之间的两种相位延迟的差异,可以有效指示噪声的影响。他们确定了相位误差的两个主要来源:背景噪声水平和离散采样间隔的估计不准确性。在定义这些误差源之后,他们评估了它们对计算的代谢指数的影响。
所提议的筛选方法涉及为相位估算和代谢指数计算中的误差设定阈值。所有超过这些阈值的数据都会被丢弃,缺失值则使用从剩余数据中衍生的替代方法进行估算。
为了评估这一方法,研究人员进行了广泛的实验,使用商业智能手表的传感器跟踪健康参与者在“口服挑战”过程中的BGL。在四个月的时间里,该个体进行30次测试,在食用高糖食品之前禁食两小时。他们的BGL使用智能手表和标准的连续血糖监测传感器进行测量,后者提供参考测量值。
值得注意的是,应用所提议的筛选方法显著提高了准确性。利用Parkes误差网格技术对测量不准确性进行分类时,当使用筛选后,较大比例的数据点落入了A区。这一区域表示临床准确的值,将导致适当的治疗决策。“我们筛选过程的实施提高了我们智能手表原型中BGL估算的准确性,”中泽说,并强调“我们的技术可以使可穿戴和持续BGL监测的集成成为可能,应用于智能手表和智能戒指等设备,这些设备通常在尺寸和信号质量方面面临限制。”
研究团队还承认,与基于智能手机摄像头的方法相比,智能手表仍存在一些持续的限制,影响其性能。尽管所提议的技术可以显著提升智能手表的功能,但对光电探测器和放大器电路的改进可能大大增强可穿戴电子设备在BGL监测中的吸引力和临床可行性。
该领域的进一步研究有望为糖尿病患者提供更强大的工具,以更有效地管理他们的病情,最终改善生活质量。