糖尿病是一种慢性疾病，目前影响着美国3840万人口，而且这一数字仍呈上升趋势。糖尿病患者通常胰岛素分泌不足，导致血糖水平升高。长时间的高血糖会损伤血管，导致肾衰竭、心脏病和中风等并发症。具有里程碑意义的“糖尿病控制和并发症试验”表明，强化胰岛素治疗可以降低这些并发症的风险，但同时也会增加血糖低于正常水平的频率，这可能导致认知障碍和癫痫发作。鉴于目前糖尿病还无法完全治愈，对于患者来说，必须定期监测和管理自己的血糖水平。
测量血糖水平的传统方法通常需要刺破指尖采集血样，然后用血糖仪和酶试纸进行分析。这种方法虽然在家庭监测中准确有效，但对患者来说是侵入性的，有痛苦且不方便。最近开发的微创连续血糖监测仪（CGM）可定期报告人体血糖水平。这类设备是将一个柔性超薄酶传感器插入皮肤外层，通常可连续测量7-14天的血糖浓度。然而，传感器插入带来的不适感、潜在的细菌感染、传感器贴敷带来的生理和心理负担，以及定期更换传感器带来的高昂经济负担，导致其采用率相对较低，凸显了完全无创血糖监测方法的必要性。
过去的研究已经探索了各种直接或间接血糖传感方法。直接方法包括研究生物体液中的葡萄糖，例如间质液、汗液、泪液和唾液等。与血液相比，这些体液更容易获取，而且它们的葡萄糖浓度与血糖密切相关，因此吸引了无创血糖传感界的极大兴趣。目前已应用了多种技术，包括多种光学和透皮技术。光学方法主要利用光谱的选择性吸收特性来估算血糖水平。然而，光的穿透深度有限，其它干扰物质的吸收光谱也会影响检测结果，阻碍了这类无创系统的发展。
据麦姆斯咨询介绍，美国纽约哥伦比亚大学的研究人员在Scientific Reports期刊上发表了一篇题为“Clinical evaluation of a polarization-based optical noninvasive glucose sensing system”的文章。文章提出了一种用于无创检测血糖水平的便携式系统（图1）。该系统由三个部分组成：传感盒（图1c）、智能手机APP（图1b）和血糖水平估算管道（图1e）。它利用葡萄糖分子的光学活性来预测血糖浓度。从本质上讲，当线性偏振光通过葡萄糖时，葡萄糖会由于其光学活性而旋转偏振面。该系统利用光学偏振测量技术测量与皮肤中葡萄糖浓度相关的旋光度，并推算血糖水平。先前的研究已经探索了基于偏振测量的方法，通过检测眼内房水来推断血糖水平，但将系统安装到眼睛上既不实用也不方便。
图1 基于偏振的便携式无创血糖监测系统
研究人员的目标是开发一种便携式微型系统原型，从手掌图像中提取特征用于肤色分析，并开展了一项家庭监测临床研究，长期接收糖尿病患者的数据。原型较小的外形尺寸带来了额外的挑战，即防止皮肤反射光使光学传感器“失明”，研究人员利用光学光阱设计解决了这一问题。
图2 基于偏振的便携式无创血糖监测系统概念示意图
该系统利用葡萄糖分子的光学活性，通过测量皮肤中葡萄糖分子引起的偏振光旋转来预测血糖水平。从本质上讲，葡萄糖固有的手性促使其具有光学活性，从而导致线性偏振光的旋转与葡萄糖浓度成正比。这种光学旋转通常通过偏振测量技术进行测量，如图2a所示，光通过第一偏振片成为线性偏振光，与葡萄糖相互作用，通过第二偏振片，到达光学传感器。
到达传感器的光强度与葡萄糖浓度成正比。然而，在实践中，皮肤的高散射和高吸收特性带来了巨大的挑战。在图2b中，当线性偏振光射向皮肤时，大部分光要么被皮肤吸收（53%），要么被皮肤散射（40%）。随后，剩下的5%的光会发生镜面反射，这很容易使传感器失明和饱和，只有2%的光仍携带有用的偏振信息。因此，要提取偏振信息，必须有效减轻散射光和镜面反射造成的影响。
对于散射光，研究人员采用了与图2a中的简单偏振测量技术类似的设置，但入射光被定于一定的角度，并由液晶调制，从而用两个偏振方向的光探测皮肤。然后，研究人员采用专门开发的算法消除散射光造成的影响，并获取偏振信息。
对于镜面反射，研究人员设计了一种光阱机制来捕捉镜面反射光，如图1d所示。镜面反射光从皮肤反射出去，进入涂有吸光材料的光阱。当光线在光阱内多次反弹时，就会被涂层充分吸收，从而有效减少从光阱返回传感元件时的泄漏。通过这两项技术，可以有效提取偏振信息。此外，研究人员还收集了人口统计数据和手掌图像，以处理不同的人群和皮肤差异；分析不同颜色和纹理空间下的掌纹图像，提取掌纹图像的特征。将这三类数据结合在一起，共同构成了机器学习模型的输入基础。
另一方面，研究人员采用了一种机器学习管道来预测血糖水平（图1e）。首先，利用在用例数据集上训练的分类器检测不当使用，该数据集包括正确使用和不当使用的案例。然后，通过无监督主成分分析（PCA）和有监督XGBoost特征重要性选择来降低输入数据的维度。最后，研究人员将来自传感盒1和2的数据点分为一组，将来自传感盒3和4的数据点分为另一组进行了分层训练。每个组分别训练一个贝叶斯岭回归器，并在推理过程中使用各自的回归器。
研究人员制作了四个传感原型，并在现实环境中进行了为期363天的多疗程临床评估。研究人员为30名参与测试者提供了一个为期5天的家庭监测研究原型，平均每天收集8个数据点。研究人员找出了传感盒之间的差异和参与者使用不当造成的误差，并利用机器学习管道、贝叶斯岭回归模型和多步骤数据处理技术来处理噪声数据。超过95%的预测结果落在共识误差网格的A区（临床准确）或B区（临床可接受）内，平均绝对相对差异为0.24。
总的来说，研究人员提出的系统提供了以下贡献：一种能够进行无创血糖水平检测的便携式装置；一种光阱机制，可减少镜面反射，避免光学传感器达到饱和状态；一种处理肤色变化的图像特征提取方法；血糖水平估算管道，具有不当用例检测功能。通过为期多天、多时段的家庭监测评估，证明了所提出解决方案的有效性，证明利用光的偏振特性来检测血糖水平大有可为。
论文链接：
https://doi.org/10.1038/s41598-025-92515-6
延伸阅读：
《苹果在无创血糖监测领域的发明专利与产业布局分析》
《基于拉曼光谱的血糖监测专利态势分析-2024版》
《雅培辅理善瞬感持续血糖监测传感器产品分析》
《苹果在血压监测领域的发明专利与产业布局分析》
