月次校正されたフォトプレチスモグラフィーと暗黙のHbA1cによる非侵襲的血糖推定の改善

科学分野:

• 生物医学工学
• 医療機器
• 糖尿病技術

背景:

• 現在の非侵襲的血糖モニタリング、特にフォトプレチスモグラフィー（PPG）ウェアラブルを使用したものは、頻繁な再校正が必要であり、特定の患者コホートに限定されています。
• 既存の方法は、さまざまな薬剤レジメンを含む多様な患者集団にわたる精度と広範な適用性に課題があります。

研究 の 目的:

• 臨床精度を達成するための単一の月次事前検査の実現可能性を評価すること。
• コホート固有のモデルを開発することにより、非侵襲的血糖モニタリングの適用範囲を拡大すること。

主な方法:

• 抗糖尿病薬の使用状況に基づいて、3つの異なる患者グループ（なし、経口のみ、併用療法）の予測モデルを開発しました。
• 月次事前検査の有無にかかわらずコホートデータを使用してモデルをトレーニングし、再トレーニングなしで個々のテストに直接適用できるようにしました。
• デュアルチャネルPPG信号と推定ヘモグロビンA1c（HbA1c）特徴量を利用し、平均絶対相対誤差による精度とParkesエラーグリッドを使用した臨床的安全性評価を行いました。

主要な成果:

• 単一の月次事前検査を使用して、3つの患者グループでそれぞれ9.59%、12.23%、16.40%の平均絶対相対誤差を達成しました。
• 以前の研究と比較して、最も複雑な患者グループ（併用療法）で予測エラーが大幅に低いことを示しました。
• デュアルチャネル入力と推定HbA1c機能により、Parkesエラーグリッド上で臨床的に許容できない読み取りがないことを保証しました。

結論:

• 単一の月次事前検査は、多様な患者集団にわたる正確で臨床的に安全な非侵襲的血糖モニタリングを促進します。
• 提案されたアプローチは再トレーニングや微調整を必要とせず、糖尿病管理と公衆衛生のための現在のウェアラブルへの統合をサポートします。
• エッジコンピューティングは、新しいユーザーやデバイスへの適応を可能にし、日常の糖尿病ケアでの広範な採用への道を開きます。