本文是專業學術論文解讀，不做醫療建議

許多糖尿病患者每天要扎手指好幾次，將血糖儀用針頭刺破指尖，擠出一滴血之后，使用試紙讀取數值，這個過程往往很疼，并且一天得重復好幾遍。

患者還有一種選擇是連續血糖監測儀，即在胳膊上貼一個傳感器，使用皮下針頭來測量組織液里的糖分，雖然一個能用十來天，但也要花不少錢，往往得每個月幾百到上千塊不等。

那么，有沒有可能連皮膚都不碰就可以測出血糖？

近日，愛爾蘭都柏林大學的研究團隊打造了一種名為 GlucoRadar 的新方案，他們使用一個小型毫米波雷達，把其放在血糖溶液上方不到五厘米的地方，然后發射 60GHz 頻段的電磁波，當電磁波穿過液體反射回來，就會攜帶葡萄糖濃度的信息。

據了解，毫米波雷達用于測血糖的物理基礎在于，葡萄糖分子的大小是一納米左右，雷達波長是五毫米左右，兩者之間相差五百萬倍。在這種條件之下，電磁波遇到葡萄糖分子之后會發生散射，導致不同濃度的葡萄糖溶液反射回來的信號特征不一樣。

研究人員做了一系列的實驗，他們把葡萄糖溶解在水里面，配制出了 16 種濃度，濃度從 50 毫克每分升到 200 毫克每分升不等，每隔 10 毫克為一個梯度，這個范圍剛好覆蓋了低血糖、正常血糖和高血糖的區間。雷達發射信號之后，就能接收反射波，隨后可以采集 2.5 分鐘的數據。

（來源：IEEE Journal of Microwaves）

在原始信號里面有很多噪聲，為此研究人員把多次測量結果加以平均，借此來消除隨機波動；并用高通濾波器濾掉了雷達自己泄露的低頻干擾；再使用一個特殊的窗函數處理信號，來減少頻譜泄漏；最后提取出來信號的能量特征，其中包括了全頻段總能量和五個子頻段的局部能量。

這些能量值隨葡萄糖濃度變化的規律是這樣的：曲線起起伏伏的，不是那種一根直線或一條平滑曲線就能描述的關系，也正因如此反而適合用機器學習來處理。

研究中，他們設計了一個小型的卷積神經網絡，結構上只有兩個卷積層、一個池化層和兩個全連接層。整個模型擁有十五萬多個參數，所占用的存儲空間是 598KB。換言之，一個普通的單片機一般有幾百 KB 到幾 MB 的閃存，而這個模型可以被塞進去。

對于這款模型來說，它要完成的任務是把雷達信號分成 16 個類別，每一個類別對應一個葡萄糖濃度。研究人員先把實測數據分成訓練集、驗證集和測試集，然后使用加噪聲的辦法把訓練數據擴充到原來的三倍，這等于讓模型看到了更多有細微變化的正樣本，讓泛化能力得到了提升。

最終結果顯示：模型在測試集上的準確率高于九成。對于大多數的濃度類別，F1 分數都超過 85%。而從混淆矩陣來看，非對角線的數字都非常小，這說明模型很少會把一個濃度誤判成另一個。但是，中間有個濃度值附近的準確率略低，研究人員認為這可能是那個濃度所對應的介電常數出現了某種共振，或者是模型在這個類別上的訓練不夠充分。

（來源：IEEE Journal of Microwaves）

這套系統目前只做了體外實驗，測的是水溶液而非真正的人體血液。而從水溶液到真實皮膚，中間隔了好幾層組織。事實上，人體皮膚的厚度、含水量、溫度和出汗情況都會影響電磁波的反射信號，遠遠比實驗室里的培養皿要復雜得多。目前，FDA 也沒有批準任何一款可被用于雷達測血糖的消費級產品。

盡管如此，這套方案還是提供了另一種思路。當前的無創血糖監測大多走的是光學路線，即使用近紅外光照射手指或手腕來分析反射光譜。光學方法存在的問題是，人體皮膚里的水分、脂肪、肌肉都會吸收光線，導致葡萄糖的信號容易被淹沒。毫米波雷達走的則是電磁波路線，但也同樣面臨組織干擾的問題，不過它測試的是反射信號的相位和能量，在信息維度和光學是不同的。

（來源：IEEE Journal of Microwaves）

以后如果想做成可穿戴設備，雷達的功耗必須得繼續降。眼下這款雷達芯片本身的功耗低于五毫瓦，并且不需要一直工作，測一下就能歇一會兒。再加上單片機和無線傳輸，其整機功耗仍然有待驗證。不過，這和智能手表等產品的耗電量處于同一個量級，要想做成可穿戴設備并非遙不可及。

它還有一個潛在優勢，那就是毫米波雷達可以集成進一個芯片，天線也可以封裝在里面，整個模塊只有幾毫米見方大小，這意味著它有可能被嵌入到智能手表、運動手環甚至戒指里，不會給設備增加太多體積。

目前，都柏林大學的團隊把本次系統的設計、實驗數據和模型參數都開源了出來，業內研究者可以在他們的基礎上繼續改進，譬如使用更多的數據訓練模型，亦或是針對特定人群校準算法。盡管距離真正戴在手腕上測血糖還有一段路要走，但是方向已被驗證成功。

參考資料：

相關論文 https://ieeexplore.ieee.org/document/10819300

本文是專業學術論文解讀，不做醫療建議

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成