Le diabète est une maladie de plus en plus répandue, touchant actuellement plus de 500 millions d'adultes dans le monde. Puisqu’il n’existe pas encore de remède contre le diabète de type 1 ou de type 2, les patients doivent surveiller régulièrement leurs BGL pour les contrôler. Bien que les appareils de mesure BGL reposant sur des piqûres douloureuses au doigt soient la référence depuis des décennies, la technologie moderne ouvre lentement la porte à de meilleures alternatives.
De nombreux chercheurs ont proposé des méthodes non invasives pour surveiller les BGL à l’aide d’appareils portables largement disponibles, tels que les montres intelligentes. Par exemple, en plaçant les LED et les photodétecteurs présents dans certaines montres intelligentes contre la peau, les signaux d'oxyhémoglobine et de pouls d'hémoglobine peuvent être mesurés pour calculer un indice métabolique, à partir duquel les BGL peuvent être estimés. Cependant, étant donné la petite taille et la puissance limitée des montres intelligentes et des appareils portables similaires, la qualité des données des signaux mesurés a tendance à être assez faible. De plus, ces appareils étant portés aux extrémités, les mouvements quotidiens introduisent des erreurs de mesure. Ces problèmes limitent la précision et l’applicabilité clinique de ces appareils portables pour la gestion du diabète.
Une équipe de Hamamatsu Photonics KK, au Japon, étudie activement ce problème, à la recherche de solutions efficaces. Dans une étude récente menée par l'ingénieur en recherche et développement Tomoya Nakazawa, publiée dans le Journal d'optique biomédicale(JBO), ils ont mené une analyse théorique approfondie des sources d’erreurs dans la méthode basée sur l’indice métabolique. Sur la base de cette analyse, ils ont mis en œuvre un nouvel indice de qualité du signal pour filtrer les données de faible qualité en tant qu'étape de prétraitement et améliorer ainsi la précision des BGL estimés.
« Alors que les montres intelligentes sont largement adoptées dans différentes régions et groupes d'âge, et avec l'augmentation mondiale des cas de diabète, une méthode d'amélioration de la qualité du signal facile à mettre en œuvre et à appliquer quelles que soient les différences personnelles et individuelles est absolument essentielle pour répondre à la demande mondiale croissante de produits non invasifs. appareils de surveillance du glucose« , remarque Nakazawa, expliquant la motivation derrière l'étude.
Premièrement, les chercheurs ont montré mathématiquement que la divergence entre les deux types de retards de phase dans le signal d’impulsion de l’oxyhémoglobine et de l’hémoglobine calculés par différentes méthodes fournit une bonne mesure de l’influence du bruit. Ils ont ensuite considéré deux sources principales d'erreur de phase, à savoir le niveau de bruit de fond et les erreurs d'estimation introduites via l'échantillonnage à intervalles discrets. Après avoir formalisé ces sources d’erreurs, ils ont calculé l’effet sur l’indice métabolique estimé.
L'approche de dépistage proposée implique la mise en œuvre de seuils pour l'estimation de la phase et les erreurs d'indice métabolique. Les blocs de données qui dépassent les seuils définis sont ignorés et les valeurs manquantes sont approximées à l'aide d'autres moyens basés sur le reste des données.
Pour tester cette stratégie, les chercheurs ont mené une expérience à long terme dans laquelle les capteurs d'une montre intelligente commerciale ont été utilisés pour surveiller les BGL d'un individu en bonne santé lors de « défis oraux ». Dans chacun des 30 tests menés sur quatre mois, le sujet jeûnait pendant deux heures avant de consommer des aliments riches en glucose. Leurs BGL ont été mesurés à l’aide de la montre intelligente et d’un capteur commercial de surveillance continue du glucose, ce dernier étant utilisé pour capturer les valeurs de référence.
Notamment, le prétraitement des données avec la méthode de dépistage proposée a conduit à une augmentation notable de la précision. En utilisant la technique de grille d'erreur de Parkes pour catégoriser les erreurs de mesure, un pourcentage nettement plus élevé de points de données se sont retrouvés dans la zone A lors de l'application du filtrage. Il s’agit de valeurs cliniquement précises qui permettraient de prendre des décisions thérapeutiques correctes. « L'adoption du processus de sélection a amélioré la précision de l'estimation du BGL dans notre prototype basé sur une montre intelligente », remarque Nakazawa. « Notre technique pourrait faciliter l'intégration de la surveillance portable et continue du BGL dans des appareils tels que les montres intelligentes et les bagues intelligentes, qui sont généralement limitées en termes de taille. et la qualité du signal, » ajoute-t-il en soulignant l'impact des travaux de recherche.
L’équipe de recherche a également noté certaines des limites actuelles des montres intelligentes qui conduisent à des performances inférieures à celles des techniques basées sur l’appareil photo d’un smartphone. Bien que la méthode proposée puisse certainement contribuer à améliorer les performances de la première, des améliorations matérielles dans les circuits photodétecteurs et amplificateurs pourraient grandement contribuer à faire de l’électronique portable une option plus attrayante et cliniquement acceptable pour surveiller les BGL.
Des recherches plus approfondies dans ce domaine contribueront à fournir aux patients diabétiques des outils puissants leur permettant de mieux gérer leur maladie, ce qui se traduira par une meilleure qualité de vie.
