糖尿病是一種以血糖長期異常為特征的慢性代謝性疾病。隨著患者數量持續增長，如何在降低管理負擔的同時，提高血糖控制的安全性和穩定性，成為當前糖尿病治療領域的重要研究方向。近年來，雖已有結合連續血糖監測（CGM）與自動胰島素輸注的閉環系統逐漸應用于臨床實踐，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，香港大學張世明教授課題組，聯合浙江大學王金強教授以及廣州醫科大學朱繼翔教授以題為“A Wearable, Dual Closed-loop Insulin Delivery System for Precision Diabetes Management"在《Advanced Materials》發表研究，提出了一種可穿戴雙閉環胰島素遞送系統，通過將人工智能算法控制與葡萄糖響應性胰島素相結合，為精準糖尿病管理提供了一種新的系統級解決方案。

現有主流的自動胰島素遞送系統通常采用單一電子閉環結構：系統基于 CGM 數據，由算法計算胰島素給藥劑量并控制胰島素泵執行輸注。該模式在理想條件下能夠有效降低高血糖發生率，但其運行高度依賴血糖監測數據的準確性。

在實際使用中，CGM 讀數可能受到傳感器延遲、局部組織環境或外界干擾影響。一旦血糖信號出現偏差，系統可能持續輸出不恰當的胰島素劑量，從而增加低血糖風險。因此，如何在系統層面引入冗余安全機制，成為閉環胰島素遞送技術進一步發展的關鍵問題。

圖1. 雙閉環系統的整體概念。

針對上述問題，研究團隊提出“雙閉環"設計理念，即在傳統電子閉環的基礎上，引入獨立運行的化學閉環調節機制（圖1）。

該系統由三部分構成：連續血糖監測模塊、基于人工智能的預測與控制算法，以及葡萄糖響應性胰島素（GRI）。其中，電子閉環負責對血糖變化進行預測和給藥決策，而化學閉環則通過胰島素分子自身的葡萄糖響應特性，對釋放速率進行被動調節。

與依賴電子信號的系統不同，GRI 能夠根據體內葡萄糖水平變化自動調控胰島素釋放。當血糖升高時，胰島素釋放加快；當血糖下降時，釋放速率相應降低，從而在物理化學層面形成對低血糖風險的約束。

在電子閉環部分，研究團隊構建了一種基于 Transformer 架構的深度學習模型，用于預測未來 30 分鐘的血糖變化趨勢。模型輸入為連續的歷史 CGM 數據，能夠同時捕捉短期和中長期血糖波動特征。

預測結果進一步與 PID 控制算法結合，用于動態調整胰島素輸注速率。相較于僅依賴當前血糖值的控制方式，該策略能夠在血糖變化發生前進行提前干預，從而減少劇烈波動。

實驗結果顯示，該預測模型在不同測試條件下均表現出較高的準確性，預測血糖與實際測量值之間具有良好一致性，為后續給藥決策提供了可靠基礎（圖2）。

圖2. GRI的合成與驗證。

研究中使用的 GRI 由可降解聚合物與重組人胰島素通過靜電作用形成納米復合結構。體內實驗表明，該胰島素在高血糖環境下釋放速度明顯提高，而在血糖恢復正常后釋放逐漸減緩。

在糖尿病大鼠模型中，單次注射 GRI 可維持較長時間的正常血糖區間，相比普通胰島素顯著降低了血糖反彈和低血糖發生的概率。這一特性為系統提供了獨立于電子控制之外的安全緩沖（圖3）。其中，提取糖尿病大鼠間質液（ISF）的中空微針是采用摩方精密面投影微立體光刻（PμSL）技術（microArch^® S240，精度：10μm）制備而成。

圖3. 雙閉環系統集成與可穿戴設備驗證以提升安全性。

在動物實驗中，研究團隊對比了傳統單閉環系統與雙閉環系統在血糖控制效果上的差異。結果顯示，在使用相同算法和控制參數的情況下，引入 GRI 的雙閉環系統能夠顯著提高正常血糖維持時間，同時降低高血糖和低血糖發生比例。

此外，血糖波動幅度明顯減小，表明系統在穩定性方面具有優勢。組織學分析未發現明顯炎癥反應，提示該系統在短期內具有良好的生物相容性。

該研究提出的雙閉環胰島素遞送系統，從系統設計層面為閉環糖尿病管理引入了新的安全機制。通過將算法預測控制與化學反饋調節相結合，該方案在降低對單一數據源依賴的同時，提高了整體運行的魯棒性。

研究團隊指出，目前相關驗證仍基于動物模型，未來需在更復雜的生理條件和臨床場景中進一步評估系統的長期穩定性與適用性。盡管如此，該工作為可穿戴糖尿病管理設備的發展提供了新的技術思路，也為多閉環調控系統在其他代謝疾病中的應用奠定了基礎。