基于Arduino平台的无创血糖监测POC原型开发案例

血糖精准、便捷监测是糖尿病日常管理与代谢健康科研的核心基础。有创指尖采血方案存在疼痛感，导致患者检测频次不足；同时试纸耗材、持续血糖监测CGM设备使用成本偏高。为突破现有痛点，无创血糖检测成为健康领域重点研究方向。Viit Health专注无创血糖检测技术研发，联合嵌入式与边缘AI服务商Softeq，基于近红外光谱(NIR)技术打造无需采血的血糖检测概念验证原型（POC）。项目选用Arduino Portenta H7主控搭配GIGA Display Shield显示模组，将设备原型研发周期缩短25%，为后续专用硬件开发、临床试验奠定坚实基础。

项目背景与核心挑战

持续血糖管理对糖尿病、糖耐异常人群至关重要。主流检测手段普遍存在明显短板：指尖采血存在痛感，患者依从性低，难以实现高频监测；配套试纸属于一次性耗材，长期使用成本高昂；商用CGM连续监测设备购置与运维费用较高。

行业亟需一套无创、易规模化推广的血糖检测方案。团队选定近红外光谱检测技术路径：通过特定波长光源照射人体组织，依据葡萄糖分子光吸收特征反演血糖浓度。

项目首要目标：搭建可完整运行的硬件原型，验证近红外光谱+边缘AI估算血糖方案可行性，产出可靠试验数据，支撑后续专用产品迭代、临床试验与合规申报。研发层面面临两大难点：

1. 光谱原始数据量大，需要高性能嵌入式硬件完成实时信号处理与本地AI推理；

2. 原型阶段需要灵活的模块化硬件架构，支持快速调试、更换光学组件，缩短验证周期。

整体技术解决方案：基于Arduino的无创血糖监测原型

整套无创血糖检测原型依托Arduino生态快速落地，硬件链路、数据处理、人机交互形成完整闭环。

工作原理

多波长近红外LED向指尖发射特定波段光线；光线穿过人体组织后，分光模块采集组织对光波的吸收响应光谱；Arduino Portenta H7采集原始光谱数据，运行本地机器学习模型解析光谱特征，计算血糖数值；最终测量结果、原始数据、设备交互界面实时展示在GIGA Display Shield触摸屏。

核心硬件价值

项目核心主控Arduino Portenta H7采用双核ARM架构：Cortex‑M7（480MHz）搭配Cortex‑M4（240MHz）。

- 高性能内核承担海量光谱数据高速运算，本地部署机器学习推理模型，实现血糖实时估算，完成边缘端光谱AI分析；

- 模块化硬件接口支持各类光学传感器、光源模组快速接入，极大简化原型组装与迭代测试；

- 兼顾低功耗特性，适配便携式设备的设计方向。

配套选用Arduino GIGA Display Shield 3.97英寸触控屏，作为原型人机交互载体，直观展示测量结果、光谱数据、设备状态，支持参数触控配置，构建友好的调试与演示界面。

平台带来的核心优势

1. 显著缩短原型研发周期

借助成熟Arduino硬件生态、模块化设计、开箱可用的边缘AI/ML开发框架，硬件集成难度大幅降低，整体原型设计阶段周期缩短25%，快速产出可用POC。

2. 板载边缘AI能力，实现片上光谱分析

双核架构支撑高性能并行运算，在设备本地完成光谱处理与机器学习推理，无需依赖云端，满足便携式无创检测实时运算需求。

3. 模块化架构方便迭代试验

硬件组件可灵活替换，便于团队开展多组对照试验，快速验证不同光源、采样方案、AI模型效果，加速可行性论证。

4. 提前为临床阶段积累标准化试验流程

通过稳定原型持续开展早期测试，优化采集流程、信号处理逻辑，缩短从概念验证过渡到正式临床试验的周期。

项目后续规划

依托Arduino原型充分完成技术可行性验证后，Viit Health正式进入产品落地阶段：

1. 开发小型化、符合规范的定制专用硬件设备，基于原型试验数据优化外观结构、光学系统与整机性能；

2. 扩大临床试验规模，采集更大体量真实患者光谱与血糖对照数据集，持续迭代优化机器学习模型精度；

3. 稳步推进FDA、CE器械合规认证，最终实现无创血糖监测设备商业化落地。

拓展｜北京心玥科技嵌入式边缘AI原型开发服务

无创检测、便携式设备普遍需要先搭建POC原型验证算法与光路方案。我们具备嵌入式硬件选型、边缘机器学习部署、人机交互终端开发经验，可基于Arduino、STM32、NXP等主流平台搭建生物信号采集、光谱分析、体征监测类原型，完成：硬件集成、本地AI模型部署、显示屏交互开发、数据本地存储与调试。

支持健康企业快速完成概念验证，缩短原型开发周期，为后续量产硬件设计、临床试验提供可靠的试验载体。