GlucoLeaf
1 / 15
探索医疗级无创血糖监测新方案

静脉靶向 · 拉曼测糖

基于静脉靶向共聚焦拉曼光谱与 AI 预测模型的无创血糖监测
静脉靶向共聚焦拉曼光谱AI 预测模型质量控制闭环
项目负责人:杨明 · 领域:生物医药 + 人工智能

Contents

目录

01 背景与市场痛点

糖尿病管理需求与无创监测的临床替代瓶颈。

02 技术方案

静脉靶向 + 拉曼光谱 + 质量控制 + AI 算法。

03 研发路径与样机迭代

从原理验证到第一代样机的五阶段路线。

04 两代软件系统对比

从实时预测界面到标准化检测平台。

05 商业模式与团队

校企医协同、产学研结合的攻关体系。

06 规划与展望

临床验证驱动的产品化与融资规划。

Background

背景与意义:需求突出,无创检测尚处验证突破阶段

糖尿病管理需求突出,患者需要长期、频繁的血糖监测,但传统指尖血与 CGM 均存在负担。

需求明确

糖尿病患者群体庞大,长期监测刚需明确,市场空间广阔。

负担沉重

指尖血需反复扎针,微创 CGM 需贴敷、定期更换传感器,长期使用负担与成本高。

尚未突破

现有无创或替代性监测方案仍未真正解决“临床可替代”问题,处于验证突破阶段。

Pain Point

市场痛点:需求明确,但临床替代仍受准确性限制

真正的痛点不是“有没有无创概念”,而是市场需要一种低负担、可重复、且经得起临床验证的无创血糖检测方案。

低负担

无需扎针、无需长期贴敷耗材,降低患者身体与经济负担。

可重复

不同时间、不同操作者测量结果稳定一致,形成可信流程。

经得起临床验证

准确性可对照金标准,满足临床可替代性的评价要求。

Technology

技术方案:静脉靶向 + 拉曼光谱 + 质量控制 + AI 算法

基于静脉靶向共聚焦拉曼光谱与 AI 预测模型,对浅表静脉区域定位采集,获取血液相关拉曼信号,实现血糖浓度预测。

  • 静脉靶向:定位浅表静脉区域,提高血液相关信号占比。
  • 共聚焦拉曼:获取血糖等成分的特征拉曼指纹信号。
  • 质量控制:背景扣除、光谱质量把关,保证信号可用。
  • AI 算法:异构 Stacking 集成学习完成血糖浓度预测。
静脉靶向共聚焦拉曼无创血糖监测全流程与检测流程图
静脉靶向共聚焦拉曼无创血糖监测流程

Design Highlights

设计亮点:软硬件协同创新

围绕“有效信号获取”与“稳定预测建模”两条主线形成软硬件协同创新。

硬件:有效信号获取

探头一体化 + 15° 倾角共聚焦结构,提升浅表静脉信号采集效率与稳定性;配合设备自检与参数统一,保证采集口径一致。

软件:稳定预测建模

弱特征增强 + 异构 Stacking 集成学习 + 自适应权重分配,提升弱信号条件下的预测稳定性与鲁棒性。

R&D Path

研发路径:已从原理验证走向样机验证

1

阶段一

纯葡萄糖溶液

2

阶段二

合成血

3

阶段三

猪血 / 少量人血

4

阶段四

经皮血

5

阶段五

第一代样机

由简到繁、由体外到经皮逐级验证:先在纯溶液和合成血上验证拉曼信号与血糖的对应关系,再过渡到真实血液与经皮采集,最终形成第一代样机的完整检测流程。

Product Iteration

产品迭代:两代样机 + 一套算法 + 两代软件

第一代软件:完成从拉曼采集、软件预测到结果显示的原理验证,主要验证“能否测”和“能否形成稳定流程”。

第二代软件:从实时预测界面升级为标准化检测平台。

拉曼采集软件预测结果显示 实时预测界面标准化检测平台
第二代软件样机
第二代软件样机(标准化检测平台)

Comparison

产品对比:两代软件系统

对比项第一代软件系统第二代软件系统
测试对象葡萄糖溶液 / 动物血 / 模拟血液样本人体无创检测 / 临床测试场景
硬件改进实验室样机搭建探头一体化 + 15° 倾角共聚焦结构
标准技术基础采集与实时预测设备自检、参数统一、质量控制、数据库管理
算法改进初步异构 Stacking 集成学习预测模型弱特征增强 + 异构 Stacking 集成学习 + 自适应权重分配
实现目标验证“能不能测”解决“测得稳、可追溯、可产品化”

第二代由“实时预测界面”升级为“标准化检测平台”,新增设备状态自检、光谱质量控制、背景自动扣除、采样参数统一、模型模块化推理与数据库管理,形成检测的完整闭环。

Achievements

相关成果:论文成果 + 其余相关成果

论文

项目负责人以第一作者发表 SCI 一区 TOP 论文 1 篇,参与发表 SCI 论文 3 篇。

软件与专利

参与软件著作权 1 项,计划申请发明专利 1 项。

竞赛荣誉

亚太建模三等奖、美赛建模三等奖,“工程 +AI”学院一等奖,“国才杯”综合能力赛铜奖等。

Competition

竞品分析与技术定位

微创 CGM

连续监测成熟,但需植入式传感器、定期更换耗材,仍属微创、长期成本高。

其他无创路线

近红外、代谢热、电磁等方案受个体差异与准确性限制,临床可替代性不足。

本项目定位

以静脉靶向提升信号特异性 + AI 集成建模提升稳定性,主攻“无创 + 可临床验证”的差异化定位。

Business Model

商业模式:产学研相结合

校企医协同攻关,打造全场景监测系统。

学校

攻坚核心技术:拉曼光路、深层信号提取与 AI 算法研发。

企业

提供产业资金与工程化转化能力,推动产品落地。

医院

开展临床验证,提供真实场景与金标准对照数据。

通过临床样机验证驱动设备销售、算法服务与数据增值闭环,带动就业与产业协同。

Team

团队与资源:校企医专家 + 核心成员

创始人与团队成员
创始人与团队成员
  • 刘强|人工智能研究院院长:北大计算机博士,主导 OCT、光声成像等智能医疗设备研发。
  • 杨强|人工智能研究院副研究员:北邮博士、UC Irvine 博士后,负责拉曼光路设计与静脉成像耦合攻关。
  • 刘明远|首都医科大学附属北京友谊医院血管外科副主任医师、副教授、硕士生导师:成果转化办公室副主任(主持工作),国家重点研发计划首席科学家,首都医学科学创新中心青年研究员,荣获首都医学创新学者。
  • 王学重|新材料与化工学院教授:国家特聘专家,AI 过程系统工程与智能仪器方向。
  • 杨明:北石化人工智能研究院研究生,负责系统整机测试、设备优化与实验流程搭建。
  • 王梓嘉琪:北石化人工智能研究院研究生,深耕血糖算法研发,负责模型构建与优化落地。
  • 王赛尔:北石化人工智能研究院研究生,负责无创血糖系统从技术到产品的工程化转化。

Roadmap & Finance

财务融资与未来规划:规划 + 融资 + 风险防控

未来规划

持续优化样机与算法,推进临床验证,逐步走向产品化与注册准入。

融资规划

引入产业资金支持样机迭代、临床试验与团队扩充。

风险防控

以金标准对照与质量控制闭环控制技术风险,以合规路径控制注册风险。

静脉靶向 · 拉曼测糖

算法精准 · 告别扎心
期待与您携手,让无创测糖真正走进亿万家庭
谢谢