基于射频传感器和AI模型的无创血糖测量
2024-07-20 22:48:01 来源：麦姆斯咨询 评论：0 点击：
科研人员提出了一种新型传感器和数据处理管道的验证，该系统旨在通过解耦天线阵列快速收集宽范围的射频（RF）波，非侵入性地测量血糖。
糖尿病（DM）是一种以高血糖为特征的疾病，如果不加以控制，可能会导致严重的长期健康后果，例如心血管疾病、神经损伤、肾脏损伤和导致视力丧失甚至失明的眼病。为了降低与糖尿病相关的风险，通过定期监测、改变生活方式、口服药物和/或注射胰岛素来调节血糖水平至关重要。到目前为止，还没有商用解决方案可以为血糖监测提供无创、廉价、可靠的即时测量。
据麦姆斯咨询报道，近期，中央华盛顿大学（Central Washington University）的科研人员提出了一种新型传感器和数据处理管道的验证，该系统旨在通过解耦天线阵列快速收集宽范围的射频（RF）波，非侵入性地测量血糖。相关研究成果以“Non-Invasive Blood Glucose Measurement Using RF Spectroscopy and a lightGBM AI Model”为题发表在IEEE Sensors Journal期刊上。
在这项工作中，研究人员收集了来自射频传感器的数据，同时也收集了来自五名健康参与者的连续血糖监测（CGM）数据，他们的血糖水平受到摄入的葡萄糖溶液的影响。为了支持研究人员的目标，即通过快速收集的数据快速表征射频传感器，并且对参与者的负担最小，研究人员使用来自Dexcom G6（一种流行的连续血糖监测仪）的读数作为血糖值的替代。使用平均绝对相对误差（MARD）来衡量传感器预测血糖的能力，这是血糖测量研究的标准精度指标。
本研究中使用的传感器是获得专利的Know Labs射频介电传感器，它包括一个印刷电路板组件（PCBA），该组件产生射频信号，并在这些信号通过天线阵列后测量接收功率。下图示出了传感器和天线阵列的框图。
Know Labs射频介电传感器系统架构图
研究人员采用了轻量级梯度增强机（lightGBM）模型。LightGBM模型对数据结构的假设很少，避免了试图从第一原理来模拟人体组织的介电谱特性（一个未解决的问题），并为学习频率响应和血糖之间的关系提供了极大的灵活性。
五名健康受试者摄入37.5克葡萄糖溶液，产生两个血糖范围的血糖读数：正常血糖和高血糖。收集连续血糖监测仪和射频传感器的同步测量值进行比较分析。对lightGBM模型进行训练以预测血糖值。使用该模型，研究人员预测了所持测试数据集的血糖，在正常血糖范围内的MARD为12.7%，在高血糖范围内的MARD为14.0%。在早期验证阶段，这些结果证明了这种硬件和软件技术在无创测量血糖方面的应用前景。
按照血糖状态划分的结果
总体而言，研究人员证明了新型射频介电传感器和lightGBM预测算法能够连续无创地预测血糖，相对于作为参考的商用Dexcom G6连续血糖监测仪，测量精度（以MARD计算）为12.9%。结果表明，这种硬件和软件技术可以应用于无创测量血糖。有必要进行进一步研究，以评估该性能是否可以扩展到更大的参与者群体和更大范围的血糖值，即在低血糖和高血糖范围内，以确定其在糖尿病管理中预期用途的准确性。
与行业领先的参考设备数据相比，未来的临床研究应旨在生成更大量的高分辨率射频介电传感器数据，以实现进一步的数据科学和模型开发，并最终实现开发FDA（美国食品药品监督管理局）批准的无创血糖监测设备的目标。
论文链接：https://ieeexplore.ieee.org/document/10546915
延伸阅读：