Bezpieczne monitorowanie glukozy we krwi oparte na smartwatchu IoMT z wykorzystaniem multimodalnych danych o aktywności i odżywianiu oraz uczenia transferowego

Dlaczego twój smartwatch może pomóc w kontroli poziomu cukru

Wiele osób boryka się z rosnącym poziomem cukru we krwi — niezależnie od tego, czy mają cukrzycę, czy po prostu są pod dużym stresem i często jedzą w pośpiechu. Tradycyjne testy z nakłucia palca lub oddzielne czujniki glukozy bywają niewygodne i rzadko uchwycają, jak codzienne wybory, takie jak posiłki, spacery czy długie godziny przy biurku, wpływają na organizm w czasie rzeczywistym. W tym badaniu autorzy badają, jak zwykłe smartwatche, połączone z bezpiecznymi systemami zdrowotnymi podłączonymi do internetu, mogłyby dyskretnie obserwować poziom cukru w ciągu dnia — łącząc to, co jesz i jak się poruszasz, z szybkim, spersonalizowanym ostrzeganiem i poradami.

Zegarek, który widzi więcej niż kroki

Naukowcy proponują system „rozszerzonego monitorowania cukru w organizmie”, który przekształca smartwatch w centralny węzeł sygnałów zdrowotnych. Nowoczesne zegarki potrafią już mierzyć tętno, ciśnienie krwi, poziom tlenu, temperaturę, ruch, a czasem także glukozę. W tej pracy zegarek rejestruje także twoje aktywności — takie jak siedzenie, chodzenie, jogging czy sen — oraz informacje o odżywianiu, obejmujące różne rodzaje jedzenia i napojów. Wszystkie te strumienie informacji traktowane są łącznie jako multimodalny zestaw danych, malując bogatszy obraz reakcji organizmu na codzienne życie niż same pomiary glukozy.

Wysyłanie danych do pobliskich pomocników, bezpiecznie

Ponieważ zegarek ma ograniczoną żywotność baterii i moc obliczeniową, nie może wykonywać ciężkiej analizy samodzielnie. System traktuje więc zegarek jako bezpiecznego „klienta”, który wysyła dane do pobliskich serwerów medycznych w klinikach lub szpitalach, zwanych węzłami brzegowymi. Niestandardowa procedura bezpieczeństwa, w połączeniu ze standardowymi metodami szyfrowania, chroni dane podczas przesyłu, tak by tylko upoważnione maszyny mogły je odczytać. Inteligentny harmonogram decyduje, kiedy wysłać dane do głębszej analizy, a kiedy przetworzyć je lekko na samym zegarku, bilansując jakość sieci, pilność i zużycie energii. Na przykład, jeśli twoje odczyty są stabilne, a sieć słaba, zegarek może poczekać; jeśli poziom cukru zmienia się gwałtownie po obfitym posiłku lub intensywnym wysiłku, szybko prześle dane do bardziej szczegółowych kontroli.

Nauczanie komputerów rozpoznawania ryzykownych wzorców

W sercu systemu znajduje się metoda sztucznej inteligencji nazwana przez autorów TL-DCNNOS, łącząca głębokie sieci neuronowe z uczeniem transferowym i inteligentnym harmonogramowaniem zadań. Najpierw duży zbiór danych z otwartego świata — zbudowany z czujników smartwatcha, dzienników aktywności i zapisów żywieniowych wielu osób — służy do wstępnego trenowania modelu w rozpoznawaniu ogólnych wzorców zachowania glukozy. Później, gdy pojawią się twoje dane, model dostraja jedynie swoje górne warstwy, aby nauczyć się twoich specyficznych reakcji bez zaczynania od zera. Takie podejście pozwala systemowi wychwycić oznaki normalnego i nieprawidłowego zachowania, na przykład różnicę między łagodnym wzrostem po owocach a gwałtownym skokiem po słodzonych napojach, nawet gdy dostępne są ograniczone dane osobiste. Ten sam framework decyduje też, który serwer powinien obsłużyć każde zadanie, tak by wyniki docierały wystarczająco szybko do użytku w czasie rzeczywistym.

Testowanie pomysłu w wirtualnej klinice

Aby sprawdzić, czy ten projekt może działać w praktyce, zespół zbudował szczegółową symulację komputerową imitującą wielu użytkowników smartwatchy w ich codziennym życiu. Stworzyli multimodalny zestaw danych z 1 200 rekordów, obejmujący wiek, wskaźnik masy ciała, ciśnienie krwi, typ diety (takie jak ciastka, burgery czy węglowodany), aktywność (siedzenie, chodzenie, bieganie) oraz poziomy glukozy. Następnie porównali podejście TL-DCNNOS z popularnymi metodami uczenia maszynowego, takimi jak drzewa decyzyjne, lasy losowe i k-najbliższych sąsiadów. Wskaźniki takie jak dokładność, precyzja i recall wykazały, że nowa metoda konsekwentnie osiągała najlepsze wyniki, dochodząc do około 99% dokładności w rozróżnianiu zdrowych i ryzykownych wzorców glukozy. Wykonywała też zadania przy mniejszym łącznym czasie przetwarzania dzięki podziałowi pracy między wieloma serwerami brzegowymi i przesyłaniu jedynie niezbędnych danych.

Ochrona prywatności przy jednoczesnym nadzorze zdrowia

Autorzy zbadali również, jak różne schematy szyfrowania wpływają na opóźnienia, gdy wiele zegarków jednocześnie przesyła dane. Ich uproszczony algorytm bezpieczeństwa smartwatcha (SWSA) generował niższe i bardziej stabilne opóźnienia niż szeroko stosowane metody z kluczem publicznym, które mogą obciążać małe urządzenia. Sugeruje to, że przy odpowiednim wyważeniu bezpieczeństwa i wydajności możliwe jest utrzymanie poufności wrażliwych informacji medycznych bez spowalniania pilnych alertów. System został zaprojektowany tak, by być zgodnym z głównymi przepisami dotyczącymi prywatności i urządzeń medycznych, takimi jak HIPAA i RODO, a autorzy udostępnili swój zbiór danych i kod, aby inni mogli testować i ulepszać te pomysły.

Co to może oznaczać w codziennym życiu

Dla osób niespecjalistycznych kluczowy wniosek jest taki, że znane urządzenie — smartwatch — może ewoluować w potężnego, ciągłego strażnika poziomu cukru. Dzięki bezpiecznemu połączeniu zegarka z pobliskimi serwerami medycznymi i wykorzystaniu zaawansowanych technik uczenia, system może powiązać to, co jesz i jak jesteś aktywny, z szybkim, spersonalizowanym przewidywaniem wahań glukozy. W dłuższej perspektywie takie narzędzia mogą pomóc osobom z cukrzycą unikać niebezpiecznych wysokich i niskich wartości oraz pomóc osobom zagrożonym zobaczyć wpływ swoich nawyków wystarczająco wcześnie, by zmienić kurs. Chociaż wciąż potrzebne są badania kliniczne w rzeczywistych warunkach, praca ta tworzy podstawy dla bezpieczniejszego, mądrzejszego i bardziej osobistego monitorowania glikemii w urządzeniach, które wielu z nas już nosi.

Cytowanie: Mohammed, M.A., Ghani, M.K.A., Memon, S. et al. Secure IoMT smartwatch-based blood glucose monitoring using multimodal activity and nutrition data with transfer learning. Sci Rep 16, 6736 (2026). https://doi.org/10.1038/s41598-026-35419-3

Słowa kluczowe: poziom cukru we krwi, zdrowie ze smartwatcha, czujniki noszone, cyfrowa opieka nad cukrzycą, internet rzeczy medycznych