近日，中國科學院深圳先進技術研究院醫(yī)工所微創(chuàng)中心聶澤東研究員團隊在基于生理信息的無創(chuàng)血糖監(jiān)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(fā)表在人工智能領域國際頂級期刊IEEE Transactions on Neural Networks and Learning Systems（中科院1區(qū)，IF=14.25）。這是繼團隊在IEEE Journal of Biomedical and Health Informatics、Knowledge-Based Systems等發(fā)文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)測方面的又一重要進展。這一研究揭示了基于穿戴無創(chuàng)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。
隨著人們生活水平的提高和我國人口老齡化進程的加快，糖尿病患病率逐年攀升。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的植入式血糖監(jiān)測設備（CGMS），然而，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)一種非侵入式、舒適便捷的無創(chuàng)監(jiān)測技術對促進血糖監(jiān)測具有重要的意義和臨床價值。
相關研究表明，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，同時考慮到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(yōu)勢，如圖所示，研究人員提出了一種基于ECG及PPG多模態(tài)融合的無創(chuàng)血糖監(jiān)測技術，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，并采用基于可變權重的Choquet積分算法，實現(xiàn)不同模態(tài)的決策融合。通過獲取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%。上述研究成果為基于穿戴健康設備和家庭用健康設備實現(xiàn)無創(chuàng)血糖監(jiān)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。
李景振助理研究員為論文第一作者，聶澤東研究員為論文通訊作者。該研究得到了科技部重點研發(fā)計劃、國家自然科學基金、中科院STS-黃埔專項、中科院健康信息重點實驗室的支持。
圖（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
附件下載：