基于手指光电容积脉搏波(PPG)的可穿戴式无创血糖监测设备研发与验证

为解决传统指尖采血血糖监测带来的不适和无法连续监测的问题，来自国内的研究团队开发了一款搭载双波长(660 nm/880 nm)脉搏血氧仪的可穿戴设备，通过多层感知器(MLP)机器学习模型分析PPG信号，实现99.33%的血糖值落在Clarke误差网格(CEG)临床可接受区域，为糖尿病患者提供舒适、连续的监测方案。

　　

血糖监测是糖尿病管理的关键环节，但传统指尖采血方法既带来疼痛又难以实现持续监测。这项研究突破性地设计了一款佩戴于手指的光电容积脉搏波(Photoplethysmography, PPG)监测设备，巧妙融合660纳米可见光与880纳米红外光双波长LED传感技术，通过捕捉血管搏动时的光学信号变化来获取生理参数。

研究团队创新性地采用多层感知器(Multi-layer Perceptron, MLP)机器学习算法，建立PPG信号强度与血糖浓度之间的非线性映射模型。通过系统优化神经网络训练参数，显著提升了血糖预测精度。临床验证数据显示，该设备测量的血糖值有99.33%落在Clarke误差网格(Clarke Error Grid, CEG)的A/B区，这意味着其检测结果具有临床可接受的可靠性。

值得一提的是，持续24小时的动态监测实验证实，这款形似戒指的微型设备能精准捕捉餐后血糖峰值和夜间低血糖事件，完美复现糖尿病患者全天的血糖波动曲线。这项技术突破不仅为糖友免去了每日多次扎针的痛苦，更重要的是实现了医疗级无创连续监测，为个性化糖尿病管理提供了革命性的技术手段。