下一代偏振生物传感器：机器学习驱动的GeSe光电探测器用于无创血糖监测

《Biosensors and Bioelectronics: X》：Next-Generation Polarimetric Biosensors: Machine Learning–Driven GeSe Photodetectors for Noninvasive Glucose Monitoring

　　

在糖尿病管理中，准确无痛的血糖监测仍然是关键需求。研究人员提出了一种紧凑型偏振敏感生物传感平台，该平台将各向异性硒化锗（GeSe）光电探测器与机器学习校准相结合，用于无创血糖检测。在聚对苯二甲酸乙二醇酯基底上制备的柔性GeSe器件无需外部偏振器即可将葡萄糖诱导的光学旋转直接转换为电信号。在50–300 mg dL^-1葡萄糖范围内的体外测试显示出线性相位灵敏度为1.59 × 10^-2 ° (mg dL^-1)^-1，检测限约为12 mg dL^-1（R² = 0.96）。初步的指尖体内反射测量证实了无针操作的可行性，与血糖仪读数相比R² = 0.91。将梯度提升回归应用于偏振-光电流数据，预测精度提高了>20%，实现了MAE = 8.6 mg dL^-1和RMSE = 11.2 mg dL^-1。这些发现表明，基于GeSe的偏振光电探测器通过数据驱动建模增强，为紧凑、智能、无痛的血糖监测技术提供了实用途径。

**论文解读：机器学习驱动的GeSe偏振光电探测器用于无创血糖监测**

**研究背景与意义**

糖尿病管理对准确且无痛血糖监测的需求极为迫切。当前临床常用的指尖采血法因侵入性且不适，易导致患者依从性差；连续血糖监测仪虽能提供动态数据，但需皮下植入传感器并频繁校准，仍存在创伤与成本问题。光学方法如近红外光谱和拉曼光谱虽可实现无接触检测，却依赖庞大仪器和复杂校准，难以便携化。葡萄糖分子具有光学活性，可使偏振光旋转角度与浓度呈比例关系，这一特性被用于偏振传感。然而传统偏振计需外置偏振器和对准敏感的光学元件，限制了集成度。近年来，二维半导体材料中硒化锗（GeSe，一种面内各向异性半导体）展现出强偏振依赖性光电响应，可无需外部偏振器直接检测偏振变化。基于此，研究人员（Maximilian B. Kopp）将GeSe偏振光电探测器与机器学习校准相结合，构建了一款紧凑、柔性的无创血糖监测平台，旨在解决现有技术侵入性强、设备庞大、精度受干扰等问题。该研究发表在《Biosensors and Bioelectronics: X》上，为开发智能、可穿戴的血糖监测技术提供了新思路。

**主要关键技术方法**

研究人员采用以下关键技术方法开展研究：（1）机械剥离法制备GeSe薄膜，并通过转移技术将其置于聚对苯二甲酸乙二醇酯（PET）柔性基底上预先图案化的叉指Au/Cr电极（沟道长度20 μm）上，形成柔性光电探测器，再以聚二甲基硅氧烷（PDMS）薄膜封装；（2）使用632 nm二极管激光器（~10 mW cm^-2）照射，通过旋转半波片控制入射偏振角，记录光电流随偏振角的变化，提取相位偏移（φ）、振幅等特征；（3）应用梯度提升回归（GBR，一种基于集成学习的回归算法）对偏振光电流数据进行建模，并与线性及多项式回归对比，通过70/30训练-测试划分评估模型性能。体内测试样本来自一名自愿参与的受试者（经知情同意），指尖反射信号在15°入射角下采集，参考血糖值由商用血糖仪获得。

**研究结果**

**4.1 In-vitro glucose sensing performance（体外葡萄糖传感性能）**
通过体外测试不同浓度葡萄糖溶液（50–300 mg dL^-1），发现光电流与偏振角呈正弦关系：I(θ) = I₀ + I_A cos2(θ ? φ)。随着葡萄糖浓度增加，光学旋转导致相位偏移（φ）系统性增大，且φ与浓度呈线性相关（R² = 0.96），灵敏度为1.59 × 10^-2 ° (mg dL^-1)^-1，检测限约为12 mg dL^-1（三次重复测量）。该性能优于典型近红外吸收系统（LOD约20–25 mg dL^-1），且器件在100次照明循环中响应稳定性保持在±5%以内，证明具有良好的重复性。

**4.2 In-vivo reflectance validation（体内反射验证）**
为评估临床可行性，研究人员进行了指尖反射体内测量。尽管存在组织散射，反射光电流仍保持对偏振角的正弦依赖。提取的相位偏移与血糖仪参考读数呈线性相关（R² = 0.91），信噪比超过40 dB，且未观察到明显热效应或刺激（温升<0.8 °C，光功率<5 mW）。这一结果验证了安全、可重复的无创操作可行性。

**4.3 Machine-learning-assisted calibration（机器学习辅助校准）**
虽然光学旋转提供近线性信号，但实际环境变化（如皮肤状态、湿度）引入非线性。梯度提升回归（GBR）显著优于线性或多项式拟合，在测试集上达到R² = 0.94，MAE = 8.6 mg dL^-1，RMSE = 11.2 mg dL^-1，预测精度提升超过20%。特征重要性分析显示，相位偏移（φ）贡献约60%的预测能力，振幅占25%，谐波比占15%。器件间差异引起MAE变化小于12%，证实了方法的稳健性。

**讨论与展望**

在比较性能与实际意义方面，与已报道的拉曼光谱传感器（支持向量回归，MAE约10–15 mg dL^-1）相比，本系统的GeSe-ML组合在更简单的构型下实现了更高精度（MAE = 8.6 mg dL^-1），且功耗更低、无需外部光学元件。柔性封装使其可集成到贴片或指套中，材料各向异性与自适应校准相结合，为无校准、连续、可穿戴血糖传感提供了路径。

在转化前景方面，该平台的柔性架构可与紧凑型光源和低功耗读出电路集成，实现类似当前光学血氧传感器尺寸的模块。由于检测偏振旋转而非绝对强度，其对运动伪影和环境光波动具有天然耐受性——这是连续无创血糖监测的主要障碍。机器学习校准可进一步实现个性化：通过少量受试者特定数据重新训练算法，补偿肤色、组织散射和水合状态等个体差异。结合无线数据链路和云端分析，这些特征勾勒出实现自校准、可穿戴长期血糖追踪及更广泛代谢健康评估的可行途径。

**研究结论翻译**

本研究介绍了一种柔性、偏振敏感的GeSe光电探测器，集成机器学习校准，用于准确、无创的血糖监测。该器件在体外表现出线性灵敏度（1.59 × 10^-2 ° per mg dL^-1；检测限≈12 mg dL^-1）和强体内相关性（R² = 0.91）与参考读数。基于GBR的回归将预测精度提升至MAE = 8.6 mg dL^-1，优于传统光学方法。当前局限包括单波长光源和有限样本量。未来工作将追求多波长操作、微型化光源和经更大队列验证的神经网络校准。这些结果将ML辅助的GeSe偏振生物传感器定位为个性化糖尿病护理中下一代无痛血糖监测的有前景候选。