摘要  随着21世纪人民物质生活水平的提高，糖尿病的发病率也不断上升。早期监测预警对于促进人群健康、减轻医疗负担非常重要。由于智能终端的普及，智能可穿戴设备市场具有巨大前景，为疾病预防提供了技术支持。因此，本文根据糖尿病患者需求，设计了一种智能可穿戴式糖尿病诊疗设备“马甲”，通过实时监测和分析患者的生理指标，为病人提供最佳的治疗效果和方便性。

关键词   可穿戴设备  柔性电子传感器  无创检测  医疗芯片

一、研究缘起

根据第七次全国人口普查统计数据，我国60岁及以上老年人口为2.64亿人，占总人口的18.7%，预计未来5年内，我国60岁及以上老年人口将超过3亿[1]。目前，我国正迅速进入老龄化社会，导致慢性疾病如糖尿病的发病率不断上升，医疗需求普遍增加，对医疗机构造成较大负担。2020年，国家卫生总费用达到7.23万亿，近10年平均年增幅为17.47%，占GDP的7.12%[2]。因此，迫切需要将医疗观念从“治疗为重点”转变为“预防为重点”。近年来，智能可穿戴设备被广泛应用于疾病监测预警，为此提供了便捷的途径。其中，传感器作为核心部件之一，对设备的功能设计和未来发展具有重要影响。柔性可穿戴电子传感器具有轻便便携、电学性能优异和集成度高等特点，成为最受关注的电学传感器之一。血糖无创检测技术对糖尿病患者具有重要意义，可以方便地进行连续测量而无需伤口。医疗芯片的应用将为可穿戴设备带来创新，主要用于采集和处理关键生理信号，实时监测糖尿病患者的健康状况，及时应对突发情况。通过智能算法优化调控血糖值并制定个性化治疗方案，设备能够自动提醒并进行药物的释放和调节，实现智能糖尿病治疗，提高治疗效果和生活质量。

二、智能可穿戴式糖尿病诊疗设备的特征与构架

（一）可穿戴设备的特征

智能可穿戴设备是医疗领域中典型的可穿戴计算应用，可以佩戴或贴近身体，用于发送和传递信息。这些设备借助各种信息传感器，连接互联网，实现人与物之间的信息交流。具体而言，智能可穿戴计算机是指具备持续工作、待机或存储功能的计算设备。该设备将改变慢性病（如高血压、糖尿病、高血脂等）的诊疗方式，实现长期、连续的身体健康数据采集和监控，以自动获取人体信号，降低生理和心理负荷。

（二）可穿戴马甲的构架

依据糖尿病患者需求设计的智能可穿戴式马甲的主要包括一个小型的血糖检测仪和智能可穿戴装置。其设计依据如下：

一是自从1920年胰岛素被发现以来，药物治疗和护理相结合是糖尿病的主流治疗方法。但由于降糖药物的使用量必须合理控制，过高或过低都会对人体带来严重的伤害，因此血糖监测成为了糖尿病护理的最重要组成部分[3]。

二是可穿戴装置提供了一种全新的人机交互方式。通过背心、背包、皮带等形式的支撑物或者以马甲形式穿戴在身上，配备各种传感器等设备，并采用增强现实、智能感知、情景计算等新的人机交互方式，使患者享受到更好的服务。通常，可穿戴装置由微型主机、人机交互系统、感知系统和通信系统四个部分组成[4、5]。通过现代化的通信技术对这些信息进行本地或远程处理，可以对患者当前或未来的身体状况做出诊断或预测。该装置能够为病人提供低负荷、非接触、长期连续的生理监测，在新一代医疗监测模式下被认为是最有效和实际可行的监测手段[6]。

三、产品的技术支撑

（一）无创皮肤贴片技术

目前，国际上广泛采用的血糖检测方式有两种：生化分析仪检测静脉血浆血液和血糖仪指尖血或手臂采血检测。尽管生化分析仪可以获得精确的血糖值，但其测量过程缓慢、操作复杂，仅适应于医院使用；而血糖仪需要每天多次采血取样，这会给患者造成极大的痛苦，并带来感染等问题，并且使用试纸和仪器会消耗昂贵的费用[7]。以上两种方法对人体均有创伤，并且不能实现血糖的连续监测。因此，研究无创动态血糖检测技术具有重要意义。

在英国巴斯大学的物理系、药学与药理学系和化学系的研究人员跨学科合作下，设计出了一种非侵入式皮肤贴片。该贴片可通过皮肤测量血糖水平，避免刺破皮肤。它能够通过毛囊从细胞间液体采集血糖，并利用微型传感器阵列和小电流单独访问每个毛囊。血糖被聚集在微型贮液器中并进行测量。贴片每10-15分钟获取一次读数，持续监测几个小时。该技术的重要优势是，阵列中的每个小型传感器都可以独立地穿过毛囊，在特定区域内运行，从而显著降低了皮肤内部和皮肤之间提取血糖的差异。由于无需血样校准，该技术提高了测量的准确性。

（二）医疗芯片技术

现代医疗手段的发展受益于医疗芯片的技术进步，它推动了生物医学领域的进步并促进了现代医疗体系的发展。研究表明，许多重大疾病，如心脑血管疾病引起的猝死，往往发生在医院以外的地方。因此，对于需要了解自身健康状况的人来说，预防和实时监测至关重要。可穿戴式医疗芯片用于疾病预防和监护，通过采集和处理信号来监测生理信息。记录的数据可以发送给医生，帮助预测、诊断相关疾病并制定治疗方案。同时，实时监测还能应对突发状况，降低死亡风险，达到预防目的。可穿戴式医疗芯片根据生理信号类型分为生物信号、声音信号和光电信号，根据用途分类又可以分为生理信号前端处理芯片、数字信号处理芯片和信号传输芯片等[8]。

对于可穿戴医疗设备，医疗芯片需要满足多个设计要求。首先是低功耗，为了不影响使用者的日常生活，需要降低更换电池的频率、缩小电池体积，并减少散热。其次是全集成化，因为生理信号通常分布在中低频段，甚至接近直流，因此处理这些信号需要大量元件，而采用分立元件会增加体积和成本，并影响电路性能，因此需要进行全集成化设计。第三是低噪声，微弱的生理信号容易受到电路元件、人体运动伪差和环境的干扰和污染[9]，因此需要降低电路噪声，并进行抗干扰设计，以获得高信噪比的信号。

四、智能马甲的设计思路

（一）外观

受智能可穿戴装置的启发，设备将以一件马甲的形式呈现，这款马甲的两侧装有小型血糖检测仪，主体部分由智能可穿戴装置构成。此外，出于对人道主义的关怀，将这件智能可穿戴式马甲设计成一件常态化的衣物，避免给人带来机械化的感觉。这样做的目的一方面是为了不让糖尿病患者受到他人异样的眼光影响，另一方面是为了保护患者的自尊心和自信心。

在考虑到以上两个因素的基础上，我们将采取了一系列措施来满足糖尿病患者的需求。首先，智能马甲具备多种多样的款式，供患者根据自己的爱好进行选择。同时，我们也提供定制服务，以满足患者个性化的需求。其次，我们将设立一些专门的洗护和续航投放点，方便患者定期前往进行洗护和续航。这些投放点会对不同患者的马甲进行标记，以避免马甲数据的混淆。

（二）健康检测系统

可穿戴健康检测系统以其便携、智能的特点，为我们提供了全新而个性化健康管理。这些小巧轻便的设备可以佩戴在手腕、胸前甚至与衣物结合。它们不仅能够监测生命体征如心率、血压、呼吸频率等，还能通过算法分析数据并生成实用的健康报告。

因此，智能可穿戴式糖尿病诊疗设备也离不开健康检测系统，它能够为设备提供实时、有效和公平的医疗等服务。同时，设备为传感器和监测设备提供了一个监测糖尿病患者生理状况的平台，其中包括糖尿病患者空腹和餐后2小时的血糖值以及糖化血红蛋白值等指标。患者可以通过专用的APP轻松访问和管理他们的健康数据，使得他们更加了解自己的健康状况。

总而言之，在可穿戴健康检测系统下的智能可穿戴式糖尿病诊疗设备，为糖尿病患者提供了更全面、准确的健康管理方式。让糖尿病患者迈向更健康的生活，拥有更多自主的健康决策权，与智能可穿戴式糖尿病诊疗设备共同走过每一天和每一个健康目标。

五、结语

当前市场上存在着各种琳琅满目的可穿戴医疗设备，其应用范围也相当广泛，正处于快速发展的阶段。然而，这些设备也面临一些明显的问题，比如体积庞大、携带不便、价格昂贵以及缺乏准确的数据等，同时还存在用户信息和隐私泄露的风险。尽管目前仍存在一些缺陷，比如用户安全方面的漏洞，但我们将进行深入研究并解决这些问题。可以毫不怀疑地说，这款智能可穿戴式糖尿病诊疗设备在疾病监测预警方面具有巨大的发展潜力，它是一款非常有前景和实用性的设备。原因在于，在慢性疾病如糖尿病发病率攀升和个性化健康需求急剧增加的双重矛盾之下，远程化、集约化和智能化的可穿戴技术将成为解决这一难题的创新工具。智能可穿戴式马甲将成为一种无形的护盾，随时保护着糖尿病患者的健康，为患者带来更为便捷、舒适和有效的治疗方式，同时也将为医生提供更全面和精准的诊疗服务。

参 考 文 献

[1] 杜鹏.中国人口老龄化现状与社会保障体系发展[J].社会保障评论.2023（02）：31-47

[2] 中国卫生计划委员会.2020年中国卫生健康事业发展统计公报[EB/OL].（2021-07-22）[2021-12-07].http：//www.gov.cn/guoqing/2021-07/22/content_5626526.htm.

[3] 孙凯，周华，杨膺琨，等.血糖监测系统的研究进展[J].中国激光，2018，45（ 2） ： 56 － 72．

[4] 时锐，宁录游， 温东新. 穿戴计算机无线网络的探讨. 2001 年全国穿戴计算技术学术会议论文专辑[C]. 北京：《高技术通讯》杂志社. 2001：79-83.

[5] Len Bass， Chris Kasabach， Richard Martin， Dan Siewiorek， Asim Smailagic， John Stivoric. The Design of a Wearable Computer. Proceedings of the 1997 Conference on Human Factors in Computing Systems， 1997[C].Atlanta，GA，USA. ACM： 140-146

[6] Committee on Quality of Health Care in America， Institute of Medicine. Crossing the Quality Chasm： A New Health System for the 21st Century[M]. Washington D.C.： National Academy Press，， 2001

[7] 栗大超，蒲治华，于海霞，等． 微创伤血糖连续检测技术及仪器的研究进展[J]． 纳米技术与精密工程，2016，14（ 4） ： 269 － 277．

[8] Li Y， Poon C C Y， Zhang Y T. Analog integrated circuits design for processing physiological signals[J]. IEEE Reviews in Biomedical Engineering， 2010， 3： 93-105.

[9] 李严.可穿戴式医疗芯片研究进展[J].科技导报.2017（02）：33-40

[10] Ko Eun Jung， Lee Hyung Jik， Lee Jeun Woo. Ontology-based Context Modeling and Reasoning for U-HealthCare[J]. IEICE Transactions on Information and Systems. 2007， E90D（8）： 1262-1270

[11] H.Bruce Dobkin， Xu xiaoyu， Batalin Maxim. Reliability and Validity of Bilateral Ankle Accelerometer Algorithms for Activity Recognition and Walking Speed after Stroke[J]. Strole. 2011， 42（8）： 2246-2353

[12] Gavrila D. The Visual Analysis of Human Movement： a Survey[J]. Computer Vision and Image Understanding. 1997， 73（1）： 82-98

[13] E.M.Tapia. Using Machine Learning for Real-time Activity Recognition and Estimation of Energy Expenditure[D]. USA. MIT， 2008.

[14] Westerterp Klaas R. Assessment of Physical Activity： A Critical Appraisal[J]. European Journal of Applied Physiology. 2009， 105（6）： 655-661.