全球糖尿病形勢正愈發嚴峻。2022年數據顯示，全球成年糖尿病患者人數已突破8億，與1990年的2億相比，短短30年間增長了四倍！而在我國，成人糖尿病患病率也呈上升態勢。截至2021年，20至79歲人群中，糖尿病患者高達1.41億，糖尿病前期人群更是多達3.5億。若不及時干預，90%的糖尿病前期人群可能在20年內發展為糖尿病患者。

2025年2月，上海交通大學醫學院附屬瑞金醫院的王衛慶教授團隊，與瑞金醫院醫學芯片研究所陳昌研究員團隊合作，在學術期刊《自然代謝》（Nature Metabolism）在線發表一項重磅研究成果——無創血糖檢測技術，這項技術或許能讓廣大糖尿病患者徹底告別扎手指測血糖的痛苦。

在《自然代謝》雜志上發表的無創血糖檢測技術

（圖片來源：參考文獻1）

無創檢測黑科技：手掌一貼，血糖即測

這項研究開創性提出一種無創血糖檢測技術——多重微空間偏移拉曼散射（mμSORS）光譜技術。是不是感覺，每個字都認識，就是唯獨連起來沒看懂什么意思，先別著急。其實，名字雖復雜，原理卻簡單：只需將手掌輕貼檢測設備，即可精準測量血糖水平，無需采血，避免了疼痛和感染風險。

并不是手掌的每一個部位都能用于無創檢測血糖，我們的皮膚由外向內分為表皮、真皮和皮下組織。其中，表皮提供屏障保護，真皮含有豐富的血管、神經和膠原蛋白支持結構，皮下組織則儲存脂肪并緩沖外力。研究人員選擇了大魚際（Thenar eminence）這一部位，即手掌靠近拇指的隆起部位，為什么選擇大魚際皮膚表層呢？

這是因為，相較于指尖，大魚際的表皮層較厚，能提供較好的機械保護，但比足底等高負重區域的皮膚薄。大魚際區域的真皮層下方分布著豐富的毛細血管網，是血糖監測等生物醫學研究的理想部位。雖然比普通皮膚略厚，但相較于腳底和手掌中心，大魚際的角質層較薄，有助于光學技術透射到更深層組織進行檢測。

手掌的大魚際部位

（圖片來源：作者拍攝）

精準探測：找到最佳“偵查深度”

要實現精準的無創血糖檢測，確定合適的探測深度至關重要。由于個體差異，不同人的皮膚厚度存在顯著差別，即使是同一個體的大魚際部位，不同位點的表皮厚度也可能存在差異。為此，研究團隊創新性地采用光學相干斷層掃描（OCT）技術來進行精確測量。

這里說到的光學相干斷層掃描技術，是一種類似于B超的醫學成像技術，但其使用的是光波而非聲波。這項技術通過發射近紅外光或可見光照射目標組織，利用光的干涉原理，可以“掃描”人體組織，生成精細的橫截面圖像。

我們知道，光波在傳播過程中，波的振動狀態具有規律性和穩定性，能夠產生干涉現象。這項技術通過發射一束近紅外光或可見光照射到目標組織，光線穿透表皮層后，與從不同深度反射回來的光線進行干涉，產生干涉圖樣。不同組織的光學反射率不同，所以反射回來的光信號具有不同的強度。

OCT獲取的受試者左手大魚際的三維圖像

（圖片來源：參考文獻1）

研究團隊通過OCT技術獲取的受試者左手大魚際三維圖像顯示，該區域的表皮-真皮交界（DEJ）深度在250-700μm之間，其中最常見的深度約為350μm。這一發現具有重要價值，因為研究表明，最佳的血糖探測深度應位于富含組織液和毛細血管的DEJ區域或其下方。

核心技術突破：拉曼光譜精準識別葡萄糖

在最佳的血糖探測深度后，研究團隊針對性地開發了多重微空間偏移拉曼散射（mμSORS）光譜無創血糖檢測技術。這項技術的核心在于利用拉曼光譜原理進行葡萄糖分子的特異性檢測。

拉曼光譜是一種基于光與分子相互作用的光學檢測技術。當激光照射到物質上時，大部分光會被彈性散射（遇到物體后發生方向改變，但能量不變），但少部分光會發生非彈性散射（遇到物體后，不僅方向發生變化，能量也發生改變），即拉曼散射。這種拉曼散射會導致光的頻率發生微小變化，而這種變化與分子內部的振動模式密切相關。因此，每種分子都會產生獨特的拉曼光譜，相當于分子的“指紋”。

通過拉曼散射檢測葡萄糖。黃色虛線表示DEJ；綠色六邊形表示葡萄糖分子；青色點表示拉曼光子

（圖片來源：參考文獻1）

在血糖檢測應用中，葡萄糖分子具有特定的拉曼散射峰，可以通過光譜分析進行定性和定量檢測。然而，人體皮膚中含有大量其他生物分子如蛋白質、膠原蛋白等，它們的拉曼信號可能會干擾血糖檢測，因此需要一種能夠精準篩選葡萄糖信號并降低背景干擾的方法。

傳統的拉曼光譜技術大多只能探測皮膚表面的分子信息，無法有效穿透皮膚到達真皮層的血管和組織液。而mμSORS技術的重大突破在于創新性采用空間位移的方式，獲取更深層的光譜信號。研究發現，當空間偏移達到370-430μm或430-620μm時，所采集的拉曼信號更接近真皮特征，并且與靜脈血漿葡萄糖水平呈現高度相關性，這種技術顯著降低了表皮背景信號的干擾，大幅提高了血糖檢測的信噪比和準確性。

臨床驗證：大規模研究證實可靠性

為全面評估mμSORS技術的無創血糖檢測能力，研究團隊設計并完成了一項規模空前的臨床驗證研究。該研究共納入200例糖尿病患者和30例正常健康人群，通過口服葡萄糖耐量試驗誘導血糖水平變化，并在多個時間點同步采集靜脈血血糖和mμSORS拉曼光譜數據。

研究團隊基于超過30萬組光譜數據進行建模和分析，通過機器學習算法不斷優化血糖預測精度。在獨立的訓練集和測試集驗證中，mμSORS無創血糖檢測值與靜脈血糖（VPG））展現出高度相關性，其平均絕對相對差值（MARD）為14.6%，這一精度水平已達到國際公認的無創血糖檢測高標準。更令人振奮的是，該技術的預測誤差對臨床決策影響極小，完全滿足日常血糖監測需求。

特別值得關注的是，mμSORS技術具有突出的普適性優勢：無需進行個體校準，即可直接適用于不同年齡、膚色和體型的受試者，且左右手測量值無顯著性差異，使用更加靈活方便。這些特性為其未來大規模臨床應用奠定了堅實基礎。

mμSORS無創血糖檢測值與靜脈血糖（VPG）高度相關。（30名參與者）的血糖預測結果，其中深藍色表示 VPG，橙色和黃色分別代表左手和右手的預測值。

（圖片來源：參考文獻1）

mμSORS 技術的成功研發，標志著無創血糖檢測領域取得了重大突破。這項技術通過創新性地結合深度選擇光學探測和先進拉曼光譜分析，實現了血糖的無創精準監測。大規模臨床研究的有力驗證，更證明了其穩定性和可靠性。

隨著技術的不斷優化和設備的逐步小型化，mμSORS 技術有望成為未來無創血糖監測的主流方案，這項來自中國科研團隊的原創性突破，不僅展現了我國在生物醫學工程領域的創新能力，更為改善全球糖尿病患者的生命質量做出了重要貢獻。

參考文獻：
1、Zhang, Yifei, et al. "Subcutaneous depth-selective spectral imaging with mμSORS enables noninvasive glucose monitoring."Nature Metabolism(2025): 1-13.

2、Wu, Juncen, et al. "A new generation of sensors for non-invasive blood glucose monitoring."American journal of translational research15.6 (2023): 3825.

出品：科普中國

作者：Denovo團隊

監制：中國科普博覽