楊富量、謝東翰、張耀庭、朱振豪、呂威儒、楊文策、鍾昌貴
我們實驗室從2015年開始研究非侵入式血糖機,嘗試過多種光學和電學方式,2017年看到蘋果公司開始測試Apple Watch的血糖感測,我們就開始將研究聚焦在光學偵測。蘋果這幾年都不再提血糖偵測了,我們現在了解這是因為此技術要能成功的關鍵在於龐大且完整的數據庫和AI演算法要能創新突破現有架構。我們研究團隊在過去6年間親自到北台灣23個衛生所和健康服務中心,從糖尿病患者量取血糖、血壓和血脂的數據,受測人數高達2538人次。就我們所知,這是全球涵括地域最廣、人數最多的數據庫。目前非侵入式血糖機上市的產品只有以色列的CoG Hybrid Glucometer,使用此產品時需先扎針校準24次,這對使用者而言非常不便。我們創新發明的AI演繹法非侵入式血糖機,只需12次扎針校準,且對於未服用藥物的使用者甚至完全不需扎針校準。這種不需扎針校準的技術是針對未服用藥物人群,且創新於結合HbA1c所得出的血糖預測統一模型,研究成果發表於去年底的國際期刊Sensors。目前已有國內兩大IT廠前來中研院洽談技術移轉與授權。對於正在服用藥物或施打胰島素的受測者,我們是以獨創的AI演繹法建立個人化精準運算模型,因為大幅度提高類神經網路擷取訊號特徵的學習效率,因此只需要12次的數據校準就達到90%準確度。此AI演繹法今年四月刊登於國際頂級Nature的子期刊Scientific Reports,並已受邀至多個國際會議報告。此技術的光學偵測硬體與現在廣泛使用的血氧機相同,在實際應用時,可產生一機多用的效益。且此AI演繹法尚可延伸到血壓、血脂和心律不整的量測,未來發展潛力無窮。目前這個技術已經有一項專利獲證,並有三件專利在申請中。
2.藉由加入HbA1c作為參數,提升10%的預測準確度,對於糖尿病需服藥者,個人化扎針校正次數,僅需以色列競品之一半。
3.在未用藥族群無須校正即可達到94.3%預測準確度;針對用藥或施打胰島素族群,經個人化校正後,亦可達到93.5%之準確度。

|
Copyright © 2012 - 2025 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved
