7月11日从中科院深圳先进技术研究院获悉，该院生物医学与健康工程研究所微创中心聂泽东研究员团队，在基于生理信息的无创血糖监测技术方面取得突破。研究团队提出了基于心电（ECG）及光电容积脉搏波（PPG）多模态融合的无创血糖监测技术，有望应用于糖尿病慢病管理、高风险人群评估等。

       随着人们生活水平的提高和我国人口老龄化进程的加快，糖尿病患病率逐年攀升。根据《中国2型糖尿病防治指南（2020版）》的数据显示，我国每10个成年人中就有1个糖尿病患者，每3个成年人中就有一个糖尿病前期。

       主动血糖监测是有效减少糖尿病和延缓并发症的重要手段之一。目前，血糖监测主要通过指尖采血或者基于电化学检测技术的植入式血糖监测设备，然而，这些方法存在疼痛、使用寿命短、成本高等缺点，限制了患者的依从性。因此，研发一种非侵入式、舒适便捷的无创监测技术对促进血糖监测具有重要的意义和临床价值。

       相关研究表明，血糖浓度的变化会刺激人体自主神经系统，引起心电、光电容积脉搏波等生理信息的改变，同时考虑到心电、光电容积脉搏波可通过智能可穿戴设备获取，具有使用快捷、成本低等优势，因此，研究团队提出了一种基于心电及光电容积脉搏波多模态融合的无创血糖监测技术。

       “该技术通过采用数值计算方法及深度学习算法，获取心电、光电容积脉搏波等生理信息的时空特征，并采用基于可变权重的算法，实现不同模态的决策融合。”聂泽东介绍，他们利用该技术获取了21名志愿者共103天的数据，经过10折交叉验证后，所提出的多模融合算法在血糖监测中的MARD值达到13.42%，一致性误差网格的A+B区＞99%。

       据介绍，MARD值是评价持续葡萄糖监测（CGM）产品准确度的核心指标，目前国际上多数以MARD＜15%作为CGM上市的标准值。“该值越小，表明血糖读数越接近参考值，即血糖测量的准确度越高。”聂泽东进一步解释道，“一致性误差网格A+B区在测量点水平的比例大于99%，代表数据具有临床准确性，该值越大，说明血糖测量的准确度越高。”

       据介绍，该成果为使用穿戴健康设备和家用健康设备进行无创血糖监测提供了重要的理论基础与技术支撑，具有广阔的应用前景。