可穿戴双闭环胰岛素系统：精准糖尿病管理新路径

糖尿病是一种以血糖长期异常为特征的慢性代谢性疾病。随着患者数量持续增长，如何在降低管理负担的同时，提高血糖控制的安全性和稳定性，成为当前糖尿病治疗领域的重要研究方向。近年来，虽已有结合连续血糖监测（CGM）与自动胰岛素输注的闭环系统逐渐应用于临床实践，在一定程度上改善了血糖控制效果，但其安全性仍存在局限。

近期，香港大学张世明教授课题组，联合浙江大学王金强教授以及广州医科大学朱继翔教授以题为“A Wearable, Dual Closed-loop Insulin Delivery System for Precision Diabetes Management"在《Advanced Materials》发表研究，提出了一种可穿戴双闭环胰岛素递送系统，通过将人工智能算法控制与葡萄糖响应性胰岛素相结合，为精准糖尿病管理提供了一种新的系统级解决方案。

现有主流的自动胰岛素递送系统通常采用单一电子闭环结构：系统基于 CGM 数据，由算法计算胰岛素给药剂量并控制胰岛素泵执行输注。该模式在理想条件下能够有效降低高血糖发生率，但其运行高度依赖血糖监测数据的准确性。

在实际使用中，CGM 读数可能受到传感器延迟、局部组织环境或外界干扰影响。一旦血糖信号出现偏差，系统可能持续输出不恰当的胰岛素剂量，从而增加低血糖风险。因此，如何在系统层面引入冗余安全机制，成为闭环胰岛素递送技术进一步发展的关键问题。

图1. 双闭环系统的整体概念。

针对上述问题，研究团队提出“双闭环"设计理念，即在传统电子闭环的基础上，引入独立运行的化学闭环调节机制（图1）。

该系统由三部分构成：连续血糖监测模块、基于人工智能的预测与控制算法，以及葡萄糖响应性胰岛素（GRI）。其中，电子闭环负责对血糖变化进行预测和给药决策，而化学闭环则通过胰岛素分子自身的葡萄糖响应特性，对释放速率进行被动调节。

与依赖电子信号的系统不同，GRI 能够根据体内葡萄糖水平变化自动调控胰岛素释放。当血糖升高时，胰岛素释放加快；当血糖下降时，释放速率相应降低，从而在物理化学层面形成对低血糖风险的约束。

在电子闭环部分，研究团队构建了一种基于 Transformer 架构的深度学习模型，用于预测未来 30 分钟的血糖变化趋势。模型输入为连续的历史 CGM 数据，能够同时捕捉短期和中长期血糖波动特征。

预测结果进一步与 PID 控制算法结合，用于动态调整胰岛素输注速率。相较于仅依赖当前血糖值的控制方式，该策略能够在血糖变化发生前进行提前干预，从而减少剧烈波动。

实验结果显示，该预测模型在不同测试条件下均表现出较高的准确性，预测血糖与实际测量值之间具有良好一致性，为后续给药决策提供了可靠基础（图2）。

图2. GRI的合成与验证。

研究中使用的 GRI 由可降解聚合物与重组人胰岛素通过静电作用形成纳米复合结构。体内实验表明，该胰岛素在高血糖环境下释放速度明显提高，而在血糖恢复正常后释放逐渐减缓。

在糖尿病大鼠模型中，单次注射 GRI 可维持较长时间的正常血糖区间，相比普通胰岛素显著降低了血糖反弹和低血糖发生的概率。这一特性为系统提供了独立于电子控制之外的安全缓冲（图3）。其中，提取糖尿病大鼠间质液（ISF）的中空微针是采用摩方精密面投影微立体光刻（PμSL）技术（microArch^® S240，精度：10μm）制备而成。

图3. 双闭环系统集成与可穿戴设备验证以提升安全性。

在动物实验中，研究团队对比了传统单闭环系统与双闭环系统在血糖控制效果上的差异。结果显示，在使用相同算法和控制参数的情况下，引入 GRI 的双闭环系统能够显著提高正常血糖维持时间，同时降低高血糖和低血糖发生比例。

此外，血糖波动幅度明显减小，表明系统在稳定性方面具有优势。组织学分析未发现明显炎症反应，提示该系统在短期内具有良好的生物相容性。

该研究提出的双闭环胰岛素递送系统，从系统设计层面为闭环糖尿病管理引入了新的安全机制。通过将算法预测控制与化学反馈调节相结合，该方案在降低对单一数据源依赖的同时，提高了整体运行的鲁棒性。

研究团队指出，目前相关验证仍基于动物模型，未来需在更复杂的生理条件和临床场景中进一步评估系统的长期稳定性与适用性。尽管如此，该工作为可穿戴糖尿病管理设备的发展提供了新的技术思路，也为多闭环调控系统在其他代谢疾病中的应用奠定了基础。