Regeneron ISEF 2025 大奖：ENBM080 - 使用人工智能和光谱技术的无创血糖仪

糖尿病是美国主要的死亡和慢性病原因之一。目前的血糖监测设备需要抽血，这会导致监测依从性差，最终导致结果恶化。同样，目前的非侵入式技术也不够准确，无法满足家庭实际使用。本研究利用近红外光谱和机器学习技术，旨在研发一种符合FDA标准的廉价、非侵入式血糖监测设备。葡萄糖峰值吸收光谱在850nm和1550nm处被确定。为了提高准确度，研究人员创新性地利用了1450nm（该波长仅被水吸收）来区分葡萄糖的吸收和血液中葡萄糖和水的重叠光谱。测量这些波长在手指上的反射，并将其输入到支持向量回归机器学习模型（SVM）中以预测血糖。该机器学习模型的R平方值为0.905，平均绝对百分比误差为3.9%，表明其在预测血糖水平方面具有很高的准确度。采用配对双侧T检验 (TOST) 评估模型预测均值与FDA批准的血糖仪之间的等效性，同时允许两者之间存在FDA认可的15 mg/dL的差异。基于该检验，该原型机的测量结果在统计学上与FDA批准的血糖仪相当 (P<.001)。因此，这款多光谱光学设备可以通过经济、准确且无痛的血糖监测，彻底改变数百万患者的居家糖尿病护理。