非侵襲的バイオインピーダンス分光法と機械学習を用いた血糖値推定：統合的最適化アプローチ

科学分野:

• 生物医学工学
• 医療機器
• ヘルスケアにおける機械学習

背景:

• 従来の血糖値モニタリングには痛みを伴う指先穿刺が必要です。
• 糖尿病患者は、便利で低侵襲なモニタリングソリューションを必要としています。
• 既存の非侵襲的方法は、特に極端なレベルでの精度に苦労することがよくあります。

研究 の 目的:

• バイオインピーダンス分光法と機械学習を用いた非侵襲的血糖値検出方法を開発すること。
• 血糖値（BGL）推定の精度と信頼性を向上させること。
• 従来の侵襲的血糖値モニタリングの代替となる可能性を作成すること。

主な方法:

• バイオインピーダンス分光法と機械学習を組み合わせました。
• 低血糖および高血糖サンプルのための適応データ生成方法を実装しました。
• 周波数および特徴選択のためにスパースグループLASSOを採用しました。
• Optunaによるハイパーパラメータ最適化を用いたXGBoostアルゴリズムを使用して回帰モデルを構築しました。
• 健常者および2型糖尿病患者のデータに対して5分割交差検証を使用してモデルを検証しました。

主要な成果:

• 血糖値推定において平均絶対相対誤差9.55%を達成しました。
• Clarke Error GridゾーンA+Bで99.38%の結果が得られ、高い臨床的許容度を示しました。
• 臨床的に重要なゾーンA内に90.63%の結果を示しました。
• 開発された方法は、ウェアラブルデバイスへの統合の可能性を示しています。

結論:

• 提案されたバイオインピーダンス分光法と機械学習を用いた非侵襲的方法は、正確かつ信頼性が高いです。
• この技術は、侵襲的方法と比較して患者の不快感を大幅に軽減します。
• この技術は、連続的かつ非侵襲的な血糖値モニタリングのためのウェアラブルデバイスへの開発の可能性を秘めています。