Diabetes is a serious health problem affecting many people worldwide. According to data in 2019, with more than 463 million people having diabetes, and the number is expected to reach 643 million by 2030. If diabetes is not controlled, it causes heart disease, kidney disease, stroke, vision loss and damage to the nervous system. Currently, invasive measurement is mainly used to manage blood sugar, but the quality of life is greatly impaired due to the pain and infection of the invasion. In order to solve this, a non-invasive glucose monitoring method is being actively studied. Particularly, in case of optical method, it is mainly researched due to the characteristic of immediate measurement. In the case of general non-invasive blood glucose measurement, the Beer-Lambert law is used to detect the blood glucose level. Through this method, the change of blood glucose can be inferred using the change in light absorption rate. However, this method can only be applied in a specific body part because the light has to be passed through the human body. Currently, a permeable part such as a finger or an ear lobe has a disadvantage to derive a signal of only blood sugar because there are many factors that affect light absorption. Hybrid measurement with a method with high selectivity is used industrially, but the sensitivity and stability are insufficient to use the results, so the improvement for each measurement is still required.
Diffuse reflectance spectroscopy (DRS) is a method of measuring scattered light that compensates for the above problems. DRS can be applied in any part of the human body. In particular, some body parts such as eyes have consisted with an extremely high purity of water, it is advantageous to obtain a water absorption signal reflecting the effect of blood sugar while being less affected by other factors. Although a blood glucose signal can be obtained from the eye by a method such as Raman or optical coherence tomography, the risk of causing eye damage such as visual impairment or blindness is very high because light must be directly irradiated to the eye. In addition, since the intensity of the measured signal is very small, the method is very difficult to apply in a non-controlled environment because the result is greatly dependent on the error of external factors or the noise of the equipment. On the other hand, DRS can greatly reduce errors due to external factors and specular reflection through measurement through contact on the eyelid, and is a method that can be applied in a general environment based on a relatively large measurement signal than the raman or other optical method. Although DRS can be applied to the skin in the same way, there is a problem of remission without being absorbed in the desired area due to the large effect of light scattering, such as the subsurface scattering effect. In conclusion, in this paper, the blood glucose signal from the eye was measured using DRS because of the advantages of high measured signal and safe measurement, low influence of external factors, low scattering, and the ability to apply spectroscopy to areas with high purity.
The process of deriving the concentration of blood glucose can be divided into three processes: 1) configuration of the DRS system, 2) comparison of signals from the skin and signals from the eye, which are conventional methods, through DRS measurement from the model and reality, 3) consists of estimating blood glucose level through regression analysis of each data.
As a first step, a system capable of measuring the DRS signal at a desired site is constructed. A system consisting of a spectrometer, a probe, and a lamp is built, and the DRS signal is measured through contacting the site by the probe. Second, the DRS values in the eyes are compared with the values from the skin. Before comparing to the actual case, the difference and problems in DRS signal is first shown through a model of the eye and skin made of silicon, glucose solution, and silica gel. After that, the measured values of the actual eye and skin are compared. Third, a linear regression analysis such as principal components regression (PCR), and nonlinear regression analyses such as support vector machine (SVM), and artificial neural network (ANN), and hybrid model which combines classification and regression analysis are used for estimating the blood glucose. After that, the accuracy of each model is analyzed by comparing with blood glucose levels measured through actual blood collection.
In this paper, it was shown that the blood glucose value estimated through various regression analysis models from the eye spectrum obtained through the contact of the DRS probe from the upper eyelid was more accurate than the value estimated from the skin. The estimation of the absorption rate was derived based on the re-emission function derived from the Kubelka-munk theory. In the case of the wavelength analysis, using a wide wavelength band is very useful for removing noise related to blood and tissue components. But a short wavelength makes it difficult to find the absorption peak of water, and a long wavelength is too long to penetrate the depth of the skin layer. Moreover, for considering the absorption peaks such as the largest water absorption peak (970nm), 840 nm in which the absorption of the -CH bond group of fat and -OH bond group of water appear simultaneously, the -CH bond group at 910 nm, 920 nm, and 960 nm that can specify glucose, and the absorption peak of the -CH2 bond group at 930 nm, the concentration of glucose through the DRS of the eye was estimated through multi-wavelength regression analysis in a wide wavelength band.
For the DRS data, the absorption in the wavelength band between 475 nm and 1145 nm was measured with a resolution of 0.216 nm, and the comparison between the eye model and the skin model was performed based on the results of linear regression analysis using signals between 600~1000 nm. As a result, it was confirmed that the coefficient of determination ($R^2$) derived from the eye model was 0.96 in the experiment using a glucose solution of 0 to 400 mg/dL, which was higher than the value of 0.87 from the skin model. As a result of comparing the actual data of eye and skin with principal component linear regression based on the blood glucose level measured through invasive measurement, the coefficient of determination in eye was 0.84 and in skin was 0.67 at 60 principal components. These results showed that the signal of is a more favorable signal for inferring glucose.
As a result of comparing the actual data of eyes and skin through comparison of blood glucose levels, the $R^2$ score of the eye was 0.84 and the skin was 0.67. These results show that the signal from the eye has a more advantage for predicting glucose than the skin.
Based on the above results, when the blood glucose was derived by regression analysis through PCR, SVM, and ANN for the DRS signal in the eye, the root mean squared error (RMSE) of the SVM model is 26.31mg/dL which is the highest accuracy with a coefficient of determination of 0.87.
In addition, since the characteristic of the signal is changed according to the concentration of glucose, the accuracy of glucose estimation was improved by applying a customized regression analysis model for a specific concentration range. This method is a method of estimating glucose by dividing data having the same characteristics and then applying an individual regression model to each data set. The intervals of data was decided under the condition that the mean absolute deviation (MAD) of the classified data was minimized, and the regression analysis model was selected as the model with the minimum total error according to the blood glucose level. The final RMSE derived through the classification-regression hybrid model was 15.46mg/dL, which is 41% more accurate than previous 26.31mg/dL.
The clinical evaluation of the method presented in this study was evaluated by the Clarke error grid, and it was confirmed that 100% of the blood glucose reading data was located in area A, which means it could be used as a glucose sensor.
2019년에 집계된 자료에 따르면, 전 세계적으로 4억 6천3백만명 이상의 사람들이 당뇨병을 가지고 있으며 2030년에는 그 수가 6억 4천3백만명으로 예상될 정도로, 당뇨병은 많은 사람들에게 영향을 미치는 심각한 보건 문제이다. 당뇨병을 가진 채로 혈당이 관리되지 않는다면 심장병, 신장병, 뇌졸중, 시력 상실 및 신경계의 손상이 유발될 수 있다. 현재 혈당을 관리하기 위하여 침습형 방식의 혈당 측정이 주를 이루고 있지만, 상처 부위의 감염과 칩습의 고통으로 인하여 환자의 삶의 질을 크게 저해하고 있다. 이를 해결하기 위하여 비침습형 포도당 모니터링 방식이 활발히 연구가 되고 있다. 특히 광학적 방법의 경우, 즉시 측정할 수 있다는 장점으로 인해 주목을 받고 있다. 일반적인 광학적 비침습형 혈당 측정 연구의 경우, Beer-Lambert 법칙에 근거하여 투과된 빛의 세기를 통해 혈당치를 추론하고 있다. 이 추론법은, 혈당의 증가로 인한 혈액의 농도 변화를 광 흡수율의 변화로 추론하는 방법이다. 하지만 이 방법은 빛이 인체를 투과했을 시의 신호를 검출해야 하기에, 특정 신체 부위에서만 측정이 가능하다는 단점이 존재한다. 현재 손가락이나 귓볼과 같이 투과가 가능한 부위는 혈당 이외에도 빛의 흡수율에 영향을 끼치는 요소들이 많은 부위이므로, 혈당만의 신호를 도출하기 어렵다는 단점이 있다. 선택성이 높은 방식과의 하이브리드형 측정이 산업적으로 활용되고 있지만, 실제 측정 결과를 활용하기에는 민감도 및 안정성이 부족하여 각 측정 요소 별 성능적인 개선이 필요한 상황이다.
확산 반사 분광법(Diffuse Reflectance Spectroscopy; DRS)은 측정 요소에 의해 산란된 빛을 측정하는 방식으로, 인체의 어느 부위라도 측정이 가능한 방법이다. 특히 눈과 같은 신체 부위는 물의 비중이 극단적으로 높기 때문에, 혈당의 농도를 판별할 수 있는 물의 흡수 피크 신호를 얻기에 유리하다. 라만이나 광 간섭 단층 촬영과 같은 방법으로도 눈으로부터 혈당에 관한 신호를 얻을 수 있지만, 눈에 직접 광을 조사하여야 하기에 시력 손상이나 실명과 같이 눈의 손상을 초래할 위험이 매우 높다. 또한 해당 방법들은 측정되는 신호의 세기가 매우 작기에, 외부 요인에 대한 에러나 장비의 노이즈 등에 크게 결과가 좌우되어 통제된 환경이 아닌 곳에서의 적용이 매우 어렵다. 반면에 DRS는 눈꺼풀 위에서의 접촉을 통한 측정을 통해 외부 요인 및 정반사로 인한 에러를 크게 감소시킬 수 있으며, 비교적 큰 측정 신호를 토대로 일반적인 환경에서의 적용이 가능한 방법이다. 피부에도 동일하게 DRS를 적용할 수 있지만, 표면하 산란 효과와 같이 빛의 산란이 크게 작용하여 원하는 부위에서의 흡수가 이루어지지 않은 채 재방출이 되는 문제가 존재한다. 결론적으로, 높게 측정되는 신호와 안전한 측정, 낮은 외부 요인의 영향, 낮은 산란으로 인한 광경로 설계의 용이성, 그리고 물질의 순수도가 높은 부위에 분광을 적용할 수 있다는 장점 때문에 본 논문에서는 DRS를 활용하여 눈으로부터의 혈당 신호를 측정하였다.
혈당의 농도를 도출하는 과정은 크게 3가지 과정으로 나뉘며, 1) DRS 시스템의 구성, 2) 기존 방식인 피부로부터의 신호와 눈으로부터의 신호를 각각 모델과 실제로부터의 DRS 측정을 통해 비교, 3) 각 데이터의 회귀 분석을 통한 혈당치 추정으로 구성된다.
첫 번째 과정으로, 원하는 부위에서의 DRS신호를 측정할 수 있는 시스템을 구성한다. 분광기와 프로브, 램프로 구성된 시스템을 구축하고 측정 부위와 프로브의 접촉을 통해 DRS 신호를 측정한다. 두 번째로, 눈에서의 DRS값과 피부로부터의 값을 비교한다. 실제 경우로 비교하기에 앞서, 먼저 실리콘 덮개과 글루코오스 수용액, 그리고 실리카겔로 이루어진 눈과 피부의 모델을 통해 DRS 신호의 차이 및 문제점을 먼저 보이며, 이후로 실제 눈과 피부의 측정치를 비교한다. 세 번째로, 선형 회귀 분석인 주성분 회귀 모델(Principle components regression; PCR)과 비선형 회귀 분석인 서포트 벡터 머신(Support Vector Machine; SVM), 인공신경망(Artificial Neural Network; ANN), 그리고 분류와 회귀 분석이 복합적으로 적용된 하이브리드 모델과 같은 회귀 분석법을 활용하여 혈당을 추정한다. 그 이후, 실제 채혈을 통해 측정된 혈당치와 비교하여 각 모델들의 정확도를 분석한다.
본 논문에서는 눈꺼풀 위에서부터 DRS 프로브의 접촉을 통해 얻어낸 눈의 스팩트럼으로부터 다양한 회귀 분석 모델을 통해 추정된 혈당의 값이 피부로부터 추정된 값에 비해 더 정확함을 보였다. 흡수율의 추정은 Kubelka-munk 이론으로부터 도출된 재방출 함수에 의거하여 도출되었다. 분석 파장의 경우, 긴 파장대역을 이용한 분석은 개인마다 다른 혈액 및 조직 성분과 관련된 노이즈를 제거하는 데 매우 유용하지만, 너무 짧은 파장은 물의 흡수 피크를 찾기 어려우며 너무 긴 파장대역은 피부층을 통과하는 깊이가 너무 짧아진다는 단점이 존재한다. 여기에 더하여 가장 큰 신호가 나타나는 물의 흡수피크(970nm), 지방의 -CH 결합기와 물의 -OH 결합기의 흡수가 동시에 나타나는 840nm, 글루코오스를 특정할 수 있는 910nm, 920nm, 960nm의 –CH 결합기와 930nm의 -CH2 결합기의 흡수 피크 등 혈당을 나타낼 수 있는 다양한 지표들을 통합적으로 고려해야 하기에, 본 논문에서는 넓은 파장대역에서의 다파장 회귀 분석을 통하여 눈의 DRS를 통한 포도당의 농도를 추정하였다.
DRS 데이터는 475nm에서 1145nm 사이 파장대역에서의 흡수율을 0.216nm의 분해능으로 확보하였으며, 이 중 600~1000nm사이의 신호를 이용한 선형 회귀 분석 결과를 토대로 눈 모델과 피부 모델의 비교를 먼저 수행하였다. 결과적으로, 0~400mg/dL의 포도당 수용액을 이용한 실험에서 눈의 실험모델에서 도출된 결정계수(R2)가 0.96로 피부의 실험모델에서의 수치인 0.87보다 높음을 확인하였다. 실제 채혈을 통해 측정된 혈당치를 토대로 눈과 피부의 실제 데이터를 주성분 선형 회귀법으로 비교해본 결과, 60개의 주성분에서 눈의 결정계수가 0.84이고 피부의 결정계수가 0.67로 도출되어 기존의 피부보다 눈으로부터의 신호가 포도당을 추론하기에 더 유리한 신호임을 보였다.
위 결과를 토대로, 눈에서의 DRS 신호에 대하여 기존에 수행한 PCR에 더해 SVM, 그리고 ANN을 통해 혈당 추정치를 회귀분석하여 도출하였을 때, SVM 모델이 26.31mg/dL의 평균 제곱근 오차(Root Mean Squared Error; RMSE)와 0.87의 결정계수로 가장 높은 정확도를 가졌다.
또한 글루코오스의 농도에 따라 흡광에 영향을 미치는 다른 요소들과의 비율이 변화하기에, 특정 농도 구간에 대한 맞춤형 회귀 분석 모델을 적용하는 방식으로 포도당의 추정 정확도를 향상시켰다. 해당 방법은, 같은 특성을 가지는 데이터를 나눈 후, 각 데이터 집합에 개별적인 회귀 모델을 적용하는 방식으로 포도당을 추정하는 방식이다. 분류된 데이터의 평균 절대 거리(Mean absolute deviation; MAD)가 최소화되는 조건으로 데이터 경계를 형성하였으며, 회귀 분석 모델의 선정은 구간 별 혈당치에 따른 에러의 총합이 최소인 모델로 선정하였다. 분류-회귀의 하이브리드 모델을 통해 최종적으로 도출된 RMSE는 15.46mg/dL로 기존 26.31mg/dL 대비 약 41% 향상된 정확도를 보였다.
본 연구에서 제시된 혈당 측정 방식의 임상실험적 평가는 클라크 에러 그리드(Clarke error grid)에 의하여 평가되었으며, 혈당 판독 데이터 중 100%가 A 영역 내에 위치하여 센서로서의 활용이 가능함을 확인하였다.
