——6.75% 背后：欧态 CGM 实现 0–17 岁连续血糖监测覆盖的技术深度拆解

糖尿病作为一种影响全球数亿人口的慢性代谢性疾病，正日益普遍地出现在更多家庭中。对于糖尿病患者而言，血糖监测是疾病管理的首要环节——唯有准确掌握血糖的数值与变化趋势，才能据此制定饮食、运动与药物治疗方案。

近年来，持续葡萄糖监测（CGM，俗称动态血糖仪）正在加速替代传统指尖血糖检测。CGM 无需反复穿刺手指，可实现 24 小时连续血糖监测，并能在血糖异常时自动预警。然而，行业内长期存在一项关键差异：同类 CGM 产品中，有的适用于新生儿，有的则明确标注“数岁以下不建议使用”。造成这一差异的根本原因，在于不同产品在技术体系与临床证据上的成熟度不同。

近期，欧态及其母公司深纳普思集团公布了一项在 0–17 岁糖尿病患儿及青少年中开展的临床试验结果。其中一项数据尤为值得关注：1 岁以下婴幼儿亚组的平均绝对相对误差（MARD）达到 6.75%。

行业普遍将 MARD 低于 10% 视为临床可用门槛，达到 8% 以内则已接近指尖血糖检测精度。需要强调的是，这一数据来自一枚贴附于数月龄婴儿身上的传感器。

在 CGM 领域，年龄越小往往意味着测量难度越高。婴幼儿皮肤薄、皮下脂肪少、血糖波动幅度大、肢体活动不可控，且无法主动表达不适症状。从公开产品信息看，市售 CGM 的适用年龄下限多设于 2 岁、3 岁乃至 4 岁，1 岁以下长期属于临床证据的空白区域。按照一般规律，这一群体本应是测量误差最大的对象——而本研究却在这一最困难的亚组中获得了 6.75% 的结果。这正是本文试图解析的核心问题。

在解析这一数据之前，有必要明确：6.75% 并非单次测量的偶然结果，其背后是一整套技术体系——涵盖传感材料、酶固定化、电极结构、校准算法、动态补偿、量产一致性，以及由正规医学中心完成的临床验证。各环节环环相扣，方使“覆盖 0 岁”从概念主张转化为可重复、可验证的工程结果。

围绕上述问题，本文将从临床试验设计、低龄人群测量难点、传感器硬件、算法体系、安全与制造体系，以及该数据的行业定位六个维度展开。

第一部分：先看懂这项研究——6.75% 是怎么来的

一、为何首先审视研究本身

在讨论一项数据之前，必须先厘清其产生条件：样本规模、研究机构、对照方法、佩戴方案等要素一旦模糊，MARD 数值再某也可能被误读。

本研究由欧态母公司深纳普思集团开展，旨在评估 CGM 在 0–17 岁糖尿病患儿及青少年中的表现，重点考察三项指标：准确性、安全性，以及多部位佩戴下的一致性。

研究共纳入 60 名接受胰岛素治疗的患儿。选取这一群体具有明确逻辑：胰岛素治疗患儿的血糖管理强度最高，对监测精度与报警功能的依赖也最*——以该群体检验设备性能，最具说服力。

研究在沙特国王大学医学城（King Saud University Medical City）开展，由 Reem Al Khalifah 教授牵头。60 名受试者分别在上臂、腹部、臀部上方或大腿四个部位之一佩戴传感器，并按方案轮换。

这一“多部位 + 轮换”设计是本研究的关键创新。它并非仅评估设备在某单一部位的准确性，而是验证设备在不同部位、不同皮下组织条件下能否保持稳定性能。

还需明确：本次试验所用设备为深纳普思 CGM（型号 X1）。X1 与欧态在售产品 M8 共享同一核心技术平台。换言之，本次在儿童群体中验证的传感原理、膜层工艺与算法，与欧态市售产品同源——这也确保本研究结果能够真实反映欧态平台在低龄人群中的技术水准。

二、核心数据一览

研究结果可归纳为准确性、一致性、临床安全、安全事件与易用性五类。先汇总于下表，再逐项解析。

三、这些数据的临床含义

首先解读 6.75%。该数值统计的是 1 岁以下患儿群体中 CGM 读数与参考血糖之间的平均相对偏差。该年龄段生理条件最为特殊，能将偏差控制在这一水平，是整组数据中分量最重的一项。关于该亚组为何能达到这一水平，本文第六部分将专门论述；此处先确立事实基础。

其次为 20/20% 一致率，达 90.6%。该指标较单一 MARD 更为严苛：它要求设备读数与参考值之间，相对偏差不超过 20% 且绝对差异不超过 20%，两项条件同时满足方计为一致。超过九成的读数通过了这双重检验。

采用这一严格标准的必要性在于：当血糖基数较低时，单纯百分比误差看似不大，却足以导致误判。叠加绝对差异约束，低读数区间的可靠性方才更为真实——而这正是低血糖区间最为关键的特性。

再次为 Clarke 误差栅格分析。这是一种基于“临床后果”的评估方法，将每一对设备读数与参考值标注于栅格之上：A 区代表临床准确，B 区代表良性偏差，C、D、E 区则对应可能导致错误或不安全处理的误差。99.0% 的数据落于 A+B 区，意味着几乎不存在将医生或家长引向错误决策的风险。

最后是安全性与易用性。研究未报告设备相关严重不良事件，亦未发现传感器皮下断裂，表明在儿童尤其是低龄婴儿群体中，材料与结构具备可靠性；四个部位准确性无统计学差异，表明设备对佩戴部位无选择性，这对可用面积本就有限的婴儿尤为重要；家长及照护者给出 89.7 分（满分 100）的易用性评价，则从使用者角度印证了设备在真实照护场景中的可操作性。

四、问题的提出

综合上述数据，结论较为清晰：这并非一台仅在实验室环境中表现优异的设备，而是在真实患儿群体、四个不同部位、完整佩戴周期内均能稳定、准确、安全运行的平台。

其中 1 岁以下亚组 6.75% 的 MARD，将一项核心问题凸显出来：在“年龄越小越难测”、市售设备适用年龄普遍始于 2 岁、3 岁乃至 4 岁的行业现状下，欧态为何能够实现 0–17 岁全覆盖，并在 1 岁以下这一最特殊的群体中取得 6.75% 的结果？

要回答这一问题，须先厘清“低龄人群测量难点究竟何在”。唯有将困难解析透彻，后续各项技术为何存在、解决了何种问题方能清晰呈现。此为第二部分内容。

第二部分：为何“年龄越小越难测”

要理解 6.75% 的分量，须先厘清两项基础：CGM 实际测量的是什么？以及将同一技术应用于婴儿，难度为何成倍上升？

一、CGM 测量的是组织间液，而非血液

多数人误以为 CGM 与血糖仪一样测量血液，实则不然。CGM 的软针植入皮下，测量的是组织间液——即填充于细胞之间的体液。

葡萄糖须先从血液穿过毛细血管壁、扩散至组织间液，再被传感器捕获，其间存在一段物理距离与时间差。因此，CGM 读数与真实血糖之间天然存在约 5–15 分钟的滞后。

在血糖平稳时，这一延迟不易察觉；一旦血糖快速变化——如餐后上升或胰岛素注射后下降——延迟便会显现：设备显示的实际是十余分钟前的状态。

而婴幼儿的血糖恰恰变化最为剧烈。其单次进食量少、频次高，生长发育迅速，血糖可在短时间内大幅波动。生理延迟叠加剧烈波动，构成低龄测量的第一重挑战。

此外，组织间液本身并非“纯净”环境。其中含有多种小分子、蛋白质与代谢产物，成分随机体状态变化，局部灌注、温度及轻微炎症均会改变探针周边微环境。传感器须在这样一个持续变化、充满干扰的环境中，稳定提取葡萄糖信号。

二、低龄人群的特殊生理挑战

其一，皮肤与皮下组织。婴儿皮肤薄、皮下脂肪少，探针的植入深度与位置选择较成人更为敏感。成人可选的脂肪层，在婴儿身上极为有限；且婴儿生长发育迅速，同一设备贴附于不同月龄个体时，贴合状况亦不相同。

其二，血糖波动。儿童尤其是婴幼儿的血糖波动幅度与频率均高于成人。除进食与胰岛素外，生长发育、激素变化、感染发热均会影响血糖，而其对低血糖的耐受更弱——低血糖持续稍久，便可能影响脑发育。

这意味着设备在高血糖与低血糖两端均须保持准确，尤以低血糖区间为甚，容错空间极小。即便仅 1 mmol/L 的偏差，亦可能构成“尚安全”与“已危险”的临界差异。

其三，活动因素。儿童不会如成人般谨慎对待身上设备，其翻身、爬行、哭闹及被抱持等行为，使传感器反复承受机械牵拉与挤压，由此产生的运动伪影会直接干扰信号。

其四，表达缺失。成人低血糖时主诉心慌、出汗、手抖，婴儿仅能通过哭闹、嗜睡、拒奶等非典型表现传递信号，监护人难以第一时间判断。正因如此，低龄人群对 CGM 的连续监测与报警功能依赖度更高——设备既不能漏报，亦不能错报，否则后果远较成人严重。

三、佩戴、护理与临床决策层面的挑战

佩戴是另一现实难题。婴儿多汗、皮肤娇嫩，胶布粘贴过牢则揭除时易损伤皮肤，粘贴不牢则易卷边脱落。夜间翻身、沐浴对设备的防水与固定均是考验。一旦中途脱落，家长须重新佩戴、重新预热，数据亦随之中断。

临床决策层面，儿童的血糖控制目标与成人并不完全一致，还须兼顾生长发育与营养，无法简单套用成人范围。这要求 CGM 不仅能提供数值，还须给出趋势与可靠报警，为医生与家长提供决策依据。

此外，佩戴部位需求突出。婴儿适合贴附设备的区域本就有限，且不同部位的皮下组织存在差异。若设备仅在某单一部位准确、更换部位即漂移，对可用部位有限的婴儿而言，等同于丧失了半数选择。这也解释了本研究为何专门考察四个部位并设计轮换佩戴方案。

四、置于历史坐标中审视

了解 CGM 在儿童群体与低血糖区间的历史表现，方能更深刻理解本组数据的分量。公开综述显示，早期 CGM 产品在目标血糖区间的 MARD 约为 16%–19%，低血糖区间更高达 20%–40%。换言之，在最需要准确的低血糖场景下，早期设备反而偏差最大。

后续改进很大程度上源于传感器与算法的进步。儿科研究中存在如下记录：仅通过算法升级，同一传感器在儿童群体中的 MARD 即从约 17% 降至约 10%。

这揭示了一项规律：低龄人群的精度并非硬件天然具备，而是高度依赖材料、膜层与算法的协同，是工程上持续迭代、逐步逼近的结果。

将上述困难叠加可知：在 0–17 岁尤其是 1 岁以下人群中实现高精度，本质上是在生理延迟更长、血糖波动更大、组织更娇嫩、活动更不可控、且无法主动表达的环境中，同步解决信号、算法、佩戴与安全四重问题。这并非单一技术所能胜任，而需要一整套技术体系。接下来，本文自精度的源头——传感器硬件——逐一拆解。

第三部分：传感器硬件——在娇嫩组织中获取“干净信号”

在 CGM 完整技术链中，传感器是精度的源头。探针一旦植入皮下，原始信号的上限便基本确定——若源信号不稳、非线性或易受干扰，后续算法再强亦只能“补救”，无法凭空创造准确性。在 0 岁婴儿身上实现这一目标，要求尤为严苛。本部分沿电化学检测链路，逐层解析欧态如何获取“干净信号”。

一、电化学检测：从葡萄糖到电流

主流 CGM 采用电化学检测，核心是利用酶促反应将葡萄糖浓度转换为可测电流。整个链路包含四个步骤。

第一步，酶催化氧化。组织间液中的葡萄糖扩散至电极表面，被固定于电极上的葡萄糖氧化酶（GOx）催化氧化，释放电子。

第二步，电子转移。电子须从酶的活性中心传递至电极表面。采用何种转移方式，是不同 CGM 之间最关键的技术分野——下一节专门论述。

第三步，产生电流。大量葡萄糖持续反应，形成与葡萄糖浓度成正比的纳安级电流——该电流极为微弱，约为手机充电电流的百万分之一。

第四步，信号转换。高灵敏度模拟前端将微弱电流转换为数字信号，再经算法校准，输出最终血糖值。

这四步中，每一步的选择均影响最终精度。对婴幼儿而言，血糖波动大、组织灌注与局部氧供不稳定，对电子转移方式、膜层稳定性与信号读取的要求均较成人更为严格。

二、电子介体：突破氧气依赖

在电子转移环节，历史上存在两条技术路线。较早的是氧气依赖型——以氧气作为电子受体，反应生成过氧化氢，再通过检测过氧化氢的氧化电流间接推算葡萄糖。

该方案成熟，但存在结构性弱点：皮下组织间液中氧气浓度本就偏低且波动较大，运动时局部氧耗增加、轻微炎症时氧供变化，均会影响电子转移效率。当血糖偏高、葡萄糖大量参与反应而氧气供应不足时，酶催化效率下降，电流与葡萄糖之间出现非线性，信号呈现“压缩”特征——高血糖区间尤为显著。

欧态在该环节采用电子介体。电子介体是一种人工设计的小分子，可在酶的活性中心与电极之间往复传递电子。关键在于，介体浓度可人为控制，并显著高于组织间液中的氧气浓度，从根本上摆脱了对氧气的依赖。

由此，无论血糖处于偏低的 3 mmol/L 还是偏高的 20 mmol/L，电流与葡萄糖均能维持稳定的正比关系，测量范围接近线性，算法换算亦更为准确。

对低龄人群而言，这一选择的价值直接而显著。婴儿血糖波动大、高血糖尖峰常见，组织灌注与氧供又易随体位、活动、哭闹而变化。依赖氧气的传感器在此类条件下最易在高血糖区间失准；电子介体将氧气这一不可控变量移出测量原理，使设备在宽血糖范围与不稳定局部环境中均能保持线性响应。这是低龄高精度的前提——解决的是“源信号在高血糖区间能否成比例”这一根本问题。

三、三层酶固定化：最核心亦最脆弱

电子转移方案决定了测量原理的上限，而酶固定化则决定该原理能否在约 14 天的皮下环境中稳定落地。GOx 作为一种蛋白质，对温度、pH、湿度均高度敏感，须在 37℃ 人体环境中持续保持约 14 天的催化活性，同时承受汗液浸润与机械牵拉。这是整枚传感器最核心、亦最脆弱之处。欧态采用一套三层结构，本文逐层拆解。

底层：电极表面功能化修饰

最底层为电极表面的功能化修饰，通过引入氨基、羧基、巯基等特定官能团，以共价键或强吸附方式将酶牢固固定，防止其在体液中流失。

该层的关键在于“度”的把握：官能团密度过低，酶固定不牢、易脱落；密度过高，又可能在电极表面形成过密屏障，阻碍电子传递。因此须精确控制密度与均匀性，在“固定牢固”与“电子通畅”之间取得平衡。

中间层：酶与介体复合

中间层为酶与电子介体的复合层，将二者混合，以交联剂形成稳定的复合膜，使两者协同工作。

该层参数最多，亦最考验工艺积累：酶的负载量决定反应活性基础，介体比例决定电子传递效率，交联剂浓度影响膜的稳定性与通透性能，干燥温度与时间则关系膜的最终结构。各参数均须通过大量实验调校，在“高活性”与“高稳定性”两项看似矛盾的目标间寻求最优解。

该层与前述电子介体方案配套：介体被固定于酶邻近区域，既保证电子在酶与电极间高效穿梭，又通过交联及后续固载设计，减少小分子介体的流失。

外层：选择性渗透膜

最外层为一道选择性渗透膜，可理解为一种“分子筛”。它允许葡萄糖等小分子（分子量约 180）相对自由通过，同时阻挡体液中普遍存在的电活性干扰物质——如抗坏血酸（维生素 C）、尿酸，以及对乙酰氨基酚（扑热息痛）。

这些物质若直达电极，亦会被氧化并叠加于葡萄糖信号之上，导致读数偏高。

该层对儿童场景具有现实意义。儿童感冒发热时服用含对乙酰氨基酚的药物十分常见，日常饮食中亦可能摄入维生素 C。若无可靠的渗透膜，此类干扰便可能导致显著读数偏差。横向评测曾记录典型示例：服用扑热息痛的患者，若使用缺少渗透膜的传感器，读数可能较实际血糖高出 1–2 mmol/L。

1–2 mmol/L 意味着什么？对于血糖基数本就不高、容错空间极小的婴儿，这一虚高足以令家长与医生对病情作出误判。

外层膜的工艺同样须精细权衡：截留阈值设得过高，干扰难以阻挡；设得过低，葡萄糖扩散受阻、响应变慢。膜过厚，葡萄糖扩散路径延长、延迟加大；膜过薄，阻挡效果又显不足。截留阈值、厚度与均匀性三者须协同控制，方能同时实现“挡得住干扰、放得进葡萄糖、跟得上变化”。

四、微电极阵列：以冗余与空间平均换取稳定

电极结构上，欧态的代表性方向之一是微电极阵列。先看传统单电极的弱点：皮下组织并非均匀介质，不同位置的细胞密度、血管分布、脂肪厚度均有差异，单电极若某局部被纤维蛋白包裹，或因轻微炎症导致局部组织间液成分变化，整枚电极信号均会受影响。这一弱点在组织条件更不稳定的婴儿身上尤为明显。

微电极阵列以多个微型电极同时采集，带来两项优势。

其一为空间平均。多个电极同时感知不同位置的葡萄糖浓度并取平均，可削弱局部组织异质性带来的波动——犹如以多个温度计同时测量一个房间，取平均较之单一测量更为可靠。

其二为冗余与交叉校验。当某电极因局部干扰出现异常，其余电极可作为参照，算法据此识别并降低异常电极权重，甚至将其剔除。这种“多数表决”机制可显著降低单点故障对整体精度的影响。

当然，阵列亦带来新挑战：多个电极须在极小空间内布局，电极间串扰须抑制；每枚电极须配备独立读取通道，电路复杂度上升；阵列间的一致性要求亦更高。这些问题的解决，依赖精密的微纳加工与电路设计能力。换取的是在不均匀、不稳定的婴儿皮下环境中依然稳健的信号。

五、抗漂移：使第 14 天与第 1 天同样可靠

精度不能仅看首日。传感器在皮下须持续面对体温昼夜波动、汗液浸润、轻微炎症、机械牵拉及沐浴时的温度变化，这些因素随时间累积会造成性能漂移。漂移来源主要有四：酶作为蛋白质活性逐渐衰减；蛋白质吸附、纤维包裹形成生物污染，阻碍葡萄糖扩散；小分子介体逐渐流失；长期体液浸润使封装材料老化。

针对这些来源，欧态以多层材料协同抑制漂移：于酶层中添加稳定剂，延缓酶活性衰减；于外部设置抗污染膜，减少蛋白质吸附与细胞包裹；以高分子固载电子介体，将小分子“锚定”于膜内、防止流失；封装材料则经过长期生物相容性测试，确保在体液环境中稳定。

这些设计的目标是使传感器在完整佩戴周期内均保持稳定，而非“前期准、后期飘”。对低龄人群而言这一点尤为关键：婴儿家长往往更依赖 CGM 读数，后期一旦漂移，轻则造成误判，重则被迫频繁指尖采血验证，反而增加孩子的负担与家长的焦虑。

六、柔性与微型化：使设备适配小体型

硬件拼图的最后一块，是令整枚传感器在物理形态上适配儿童尤其是婴儿的小体型。相关设计包含数项配合。

其一为柔性电路板（FPC）。传统传感器采用硬质电路板，FPC 以柔性基材替代，可随皮肤表面的轻微形变一同弯折，减少手臂活动、肌肉牵拉时的电极位移，从物理层面降低运动伪影；柔性化亦支撑整机轻量化。FPC 的难点在于柔性基材尺寸稳定性不及硬板、元器件焊接精度要求更高、弯折可靠性须严格验证，这些均须通过材料选型与工艺改进解决。

其二为一体化注针装置。CGM 软针须刺入皮下适当深度，抵达组织间液丰富的脂肪层：过浅则信号不稳，过深触及肌肉层又易受体运动干扰。手动植入依赖使用者手法，不同人、不同次的深度与角度差异明显。一体化注针装置以机械结构消除“植入偏差”这一变量，使每枚传感器均能抵达相对一致的位置。对婴儿而言，植入位置的一致性直接关系信号能否在本就有限的皮下组织中稳定建立。

其三为一体化免组装封装。传感器与发射器在工厂内完成组装与密封，用户拿到的是完整产品，撕开背胶、一按即可，从源头避免分体式产品自行组装时可能引入的接触误差——如电触点贴合不良、卡扣不到位、手汗灰尘污染触点，每一处微小偏差都可能令本就微弱的纳安级电流进一步衰减。

柔性化、微型化、一体化，最终体现在整机的轻薄程度上：整机约 1.6 g、直径约 24 mm、厚度约 3.5 mm，大致相当于一枚硬币大小，贴附后异物感轻微，操作亦足够简便，家长无需面对零散零件。对皮肤娇嫩、体型小且无法配合复杂操作的婴儿，这种“即贴即用”的设计，是产品能否真正长期使用的根基。

小结：硬件逐项回应低龄挑战

表2：低龄挑战与传感硬件技术的对应关系。部分为 CGM 行业通用机制，具体实现以欧态公开资料为准。

硬件解决的是获取干净、稳定、线性的源信号，但其尚不能独立完成“还原真实血糖”这一任务。硬件测得的终究是滞后数分钟的组织间液葡萄糖；面对婴儿剧烈的血糖波动、夜间的压迫伪影与个体差异，尚须算法作为第二重基础，完成最后亦最关键的一步。此为第四部分内容。

第四部分：算法——在剧烈波动中还原真实血糖

若说硬件决定了精度的上限，算法决定的则是这一上限能被兑现多少。硬件直接测得的是组织间液中滞后的葡萄糖，用户真正需要的是贴近当下、可信、可据以决策的血糖。这一从滞后测量到当下血糖的跨越，主要依赖算法完成。对血糖曲线既陡又窄、又无法表达不适的婴儿而言，算法的分量甚至重于硬件。

一、算法须解决的三类问题

第一类为生理延迟。组织间液葡萄糖滞后血糖 5–15 分钟，血糖快速变化时，须依据变化趋势将数分钟前的测量推算为当下血糖。

第二类为个体差异。不同个体的皮下组织、代谢速率、对传感器的反应存在差异，同一型号传感器贴附于不同个体时，响应特征亦会有别。

第三类为时间漂移。佩戴时间延长，酶活性与膜层状态会缓慢变化，须持续修正。

这三类问题在低龄人群中均更为突出：血糖变化快、延迟误差显著；身体条件特殊、个体差异更大；佩戴环境更复杂、漂移来源更多。因此低龄 CGM 的算法并非简单的查表换算，而是一套覆盖校准、补偿、识别、学习的完整体系。

二、逐枚个体化校准：将差异消弭于出厂前

算法的首要步骤是校准。传统做法采用“通用校准模型”——以一套统一参数换算所有传感器，实现简单，却忽略了一个现实：即便同一条产线出产的传感器，每一枚在灵敏度、基线电流、响应时间上亦存在微小差异。通用校准会将这些差异保留下来，表现为“这一批很准、那一批偏飘”。

欧态采用逐枚个体化校准。按本研究的拆解，每一枚传感器在自动化产线上均须通过在线检测：在标准葡萄糖溶液中测量其电流响应，包括灵敏度、基线电流、响应时间，再由算法为这枚传感器计算并写入专属校准参数。

如此，设备抵达用户手中之前，个体差异已被专属参数补偿——这亦是免校准、免指尖采血的底层支撑。

逐枚校准的难点在于规模化：检测、计算与写入须在极短时间内完成，且须在百万乃至千万级产量上稳定执行，仅有高度自动化、具备在线检测能力的产线方可胜任。它并非单纯的软件能力，而是算法与制造体系的结合。对儿童产品而言这一点尤为关键：免校准意味着用户全程无指尖血兜底，对出厂校准的可靠性要求更高。

三、动态实时补偿：在快速变化中跟住血糖

逐枚校准解决的是传感器个体差异，动态实时补偿解决的则是真实使用中持续变化的机体与血糖。本层级可拆解为三项机制。

一是趋势拐点识别。算法实时分析血糖变化速率，一旦检测到血糖快速上升或下降，即切换至动态补偿模式，依据变化速率与生理延迟推算“当前时刻”的血糖，而非直接输出滞后的测量值。这正对应婴儿常见的餐后骤升、活动后骤降——曲线越陡，延迟修正的价值越大。

二是低血糖区间加权。模型训练时，对低血糖区间的配对数据赋予更高权重；实时运行时，读数一旦接近低血糖阈值，系统即采取更密集的采样与更保守的预警，原则为“宁可提前预警，亦不漏报”。

之所以如此设计，是因为低血糖漏报对婴儿的风险远高于一次轻微错报；而婴儿自身对低血糖的反向调节反应又相对迟钝，设备报警遂成为发现低血糖的重要防线。

三是环境变量建模。算法通过信号特征间接推断运动、出汗等状态，建立相应补偿模型。儿童哭闹、出汗、活动时，系统可识别这些状态并对信号加以补偿，而非将环境影响误判为血糖变化。

三项机制协同，使传感器在血糖快速变化、机体状态多变时仍保持精度，而非仅在血糖平稳时才准确。这正对应低龄人群最为棘手的血糖动力学问题。

四、识别压迫性伪低血糖：使夜间报警真实可信

通用补偿之外，低龄场景还须专门处理第二部分所述的 PISA（压迫性传感器衰减）。儿童夜间长时间压迫传感器，局部灌注下降，会产生假性低血糖读数并触发报警。

处理不当的后果为何？既可能造成不必要的夜间补糖，又可能因错误重新校准污染后续数据。

成熟做法是在算法层面识别此类压迫伪影：通过信号变化形态——如与典型低血糖走势不同、且与体位压迫相关的特征——结合变化模式作出判断，对疑似压迫导致的读数作特殊处理，不将“压迫所致的低值”直接作为真实低血糖报警。

此举同时服务两项目标：减少夜间无效报警、缓解家长报警疲劳，亦避免基于错误读数的处理。对夜间风险高且无法表达的婴儿而言，这是预警准确性与适宜性之间的关键一环。

五、个性化持续学习：于安全边界内贴近个体

在通用模型之上，算法还可于使用过程中持续学习。个性化机制逐步构建属于该儿童的代谢画像，包括餐后血糖响应规律、运动对血糖的影响、昼夜波动趋势、基础胰岛素敏感性等，使报警阈值与分析建议日益贴合个体。

这通常涉及三项要素：一是特征向量构建，从历史数据中提取稳定的代谢特征；二是增量学习，使新数据能持续微调模型；三是安全边界——这一点尤为关键，当个性化输出与通用模型偏差超过设定阈值，系统将回退至更为稳健的通用模型，避免个性化“学偏”。

对医疗器械而言，这种“可以学习、但不能失控”的约束，是安全底线。

六、硬件与算法的深度耦合

欧态技术体系的显著特征之一，是硬件与算法并非“先做硬件、再写软件”的简单拼接，而是自设计之初便深度耦合。这体现在三个层面。

其一，微电极阵列为算法提供多通道信号，使前述交叉校验、异常电极剔除成为可能——硬件结构直接决定算法能做什么。

其二，动态补偿算法反过来降低对硬件极限性能的要求，使传感器在成本与体积可控的前提下达到高精度，无需将所有压力堆砌于材料一端。

其三，每一枚传感器在真实使用中产生的数据，又可反哺算法训练，形成“采集—解读—反哺”的闭环，使整个系统随规模扩大持续改进。

这种协同设计能力，与团队的跨界背景相关：电子、材料与算法团队自起始便并行工作，而非将硬件“交接”予软件，跨环节的联合优化方才成为可能。低龄 CGM 面对的是多因素耦合的复杂问题，单凭任一环节均难达最优，软硬协同正是将精度再压下一截的重要来源。

七、数据如何转化为照护

算法的最终价值须落于真实照护之中。对患儿家庭，系统将准确的血糖、趋势箭头与报警有机结合：家长可实时掌握血糖数值、升降趋势与变化速率；血糖异常时及时收到提醒；还可通过远程共享，在孩子睡眠、入园或上学时从远端掌握血糖，减少人不在场时的担忧。

配套应用中，系统还提供目标范围内时间（TIR）、血糖变异性、预估糖化血红蛋白等指标与周期性报告，帮助家长与医生从长期视角理解血糖管理，而非仅盯住孤立数值；家属共享、医生端授权等功能，使数据在家长、照护者与医生之间安全流转，为治疗评估提供依据。

对医疗场景，智能化数据分析亦有助于回答“该餐后为何偏高、夜间是否安全”等具体问题，降低专业数据的理解门槛。

须客观说明的是，具体的趋势预测提前时间、个性化模型实现细节等，欧态尚未完全公开，本文不作数值推测。但从 20/20% 一致率、Clarke A+B 区占比、零严重不良事件这些经临床验证的结果看，算法的有效性与安全性是有数据支撑的。

小结：算法回应了哪些难题

表3：低龄场景与算法机制的对应关系。具体参数以欧态公开资料与产品说明书为准。

硬件与算法两重基础，回答了“如何测得准”。但还有一项更根本的问题：将产品应用于 0 岁婴儿，安全风险高、监管要求严。欧态凭何能够承担此事，又凭何使四个部位等效、使“覆盖 0 岁”成为可验证的承诺？这须从安全、平台与整个制造、验证体系中寻找答案。

第五部分：安全与体系——凭何覆盖 0 岁且四部位等效

将传感器应用于新生儿与数月龄婴儿，与应用于成人，性质截然不同。这不仅是精度问题，更是安全风险、材料可靠性、制造一致性与临床验证的综合考验。本部分回答那项最根本的问题：欧态凭何以将产品覆盖至 0 岁，并令四个部位表现等效？答案不在某一零件，而在一整套体系之中。

一、生物相容性：先过皮肤这一关

第一关是材料与皮肤。婴儿皮肤娇嫩，角质层薄、屏障功能弱，对胶布与接触材料更为敏感，反复粘贴后出现红斑、湿疹样反应的风险高于成人。

因此，产品的胶贴以及所有接触皮肤、进入皮下的材料，均须通过系统的生物相容性评价，涵盖致敏、刺激、细胞毒性等维度。

据本研究所述，欧态的封装材料经过长期生物相容性测试，以确保在体液环境中稳定、低刺激；产品通过欧盟 CE MDR 认证，并进入欧洲与沙特等监管严格市场的医保或准入体系，亦从第三方角度印证其接触材料与质量体系达到了较高标准。

须客观说明：欧态尚未公开具体的皮肤过敏率数据，本文不作推测。但“无设备相关严重不良事件”这一临床结果，本身即是对材料安全性最直接的验证。

二、零断裂、零严重不良事件意味着什么

第二关是结构与机械安全。研究中两项“零”值得重视：一是未报告设备相关严重不良事件，二是未发现传感器皮下断裂。

“零断裂”听似朴素，工程含义却不简单。CGM 软针须在整个佩戴周期内留置于皮下，承受儿童活动、被抱持、换衣时的反复牵拉，一旦断裂、部分残留，对婴儿将是难以处置的风险。

要实现不裂、不断、不移位，须在软针材料的强度与柔韧性、软针与底座的连接结构，以及植入装置设计上作大量验证。临床“未发现皮下断裂”，表明这些结构在真实儿童活动条件下经受住了考验。

叠加“零严重不良事件”，两项“零”共同构筑了产品可用于低龄人群的安全底线。

三、多部位等效：为小体型争取可用空间

第三关是多部位佩戴。前文已述，婴儿身上平坦、皮下组织充足的区域稀缺，还须与胰岛素输注点保持距离。若传感器仅在某单一部位表现良好，儿童很快便会面临缺少合适佩戴部位的问题。

而本研究的一项重要结论是：上臂、腹部、臀部上方、大腿四个部位均表现出良好的安全性与准确性，不同部位间的准确性差异无统计学意义。

“差异无统计学意义”的分量在于，它并非“感觉差不多”，而是经统计学检验的结论——四个部位在准确性上可视为等效。

直接益处在于轮换自由：某部位须休息或被其他装置占用时，可更换至其他部位，无需担忧精度下降。对须长期、多年使用 CGM 的儿童，这种部位冗余提升了治疗的可持续性，亦减少了同一部位反复佩戴可能引发的皮肤问题。

“覆盖 0 岁”不仅须测得准，还须戴得下——本环节解决的正是后者。

四、平台化：X1 与 M8 共享技术底座

第四关是平台化能力。本次试验所用深纳普思 X1，与欧态 M8 共享核心技术平台。

意义何在？传感器的核心设计——膜层体系、酶固定化、电极结构、校准与补偿算法——建立于一个统一、可复用的技术底座之上，而非为不同人群各起炉灶。

平台化带来两项优势。一是能力可沉淀复用：在某型号、某人群上验证成熟的传感与算法，可沿用于其他型号与人群，低龄人群因此可直接复用成熟平台的积累，无需从零摸索。

二是验证可相互印证：同一平台在成人、青少年、儿童乃至婴儿身上均取得稳定结果，平台本身的可靠性便被反复强化。

6.75% 之所以可信，正因其并非孤立的“儿童专用方案”，而是一个经大规模验证的统一平台在低龄人群上的自然延伸。

五、全栈自研与自动化产线：一致性从何而来

第五关是制造一致性。医疗器械行业常言：研发阶段做出一枚高精度传感器是一回事，百万级产量下令每一枚均保持同等精度是另一回事。

CGM 这类免校准、全程无指尖血兜底的产品，对一致性的要求尤为严苛——用户无自行校准机会，任何一枚传感器的明显偏差，都会直接转化为错误读数。

支撑一致性的，是全栈自研与自动化产线。据本研究与公开资料，欧态坚持核心技术自主研发，形成覆盖传感、算法、结构、系统的数十项发明专利；在无锡建有高度自动化的产线，通过精密涂布将酶层与介体层厚度控制在微米级，对每枚传感器作在线电性能检测、自动剔除不合格品，并完成逐枚校准参数写入，全程对温度、湿度、洁净度严格监控。公开报道亦提及，其在北京亦庄、无锡建设了从百万级到千万级产能的自动化产线。

规模化制造的核心指标是过程能力（Cpk）。对 CGM 这类高精度器械，关键工艺通常要求 Cpk 达到 1.33 乃至更高——意味着几乎全部产品均落于规格范围内，并留有安全裕度。

自研的价值在此再次体现：核心材料自研可规避供应商批次波动；工艺参数自主可控，能针对精度问题快速迭代；产线检测数据还可直接反馈予算法团队。

正是这种“从材料到成品全流程可控”的能力，令“每一枚均准、每一枚均安全”成为可承诺、可重复的结果。

六、全球验证与准入：以外部标准检验自身

最后一关是外部验证。企业的自我陈述，须经监管机构、医疗机构与市场检验，方能支撑“覆盖 0 岁”这类高风险承诺。

从公开资料看，欧态 M8 已获得中国 NMPA 三类医疗器械注册与欧盟 CE MDR 认证——CE MDR 对临床证据、性能评估与上市后监督的要求明显高于旧版法规；产品已完成多个国家和地区的注册，销售网络覆盖 50 余个国家与地区，累计服务逾 200 万用户，亦是较早进入沙特医保体系的中国 CGM 企业之一。

在学术与行业层面，欧态还参与了《持续慢病监测临床应用专家共识（2024）》的制定。而本次在沙特国王大学医学城开展、覆盖 0–17 岁的临床研究，是其在低龄人群上的一次系统性外部验证。

将上述资质与数据综合可见：覆盖 0 岁并非一次贸然的冒险，而是在成熟平台、严格制造、权威认证与规范临床的多重支撑下得出的可验证结论。

小结：覆盖 0 岁，是“体系”的结果

回顾本部分，生物相容性回答“皮肤是否安全”，零断裂与零严重不良事件回答“结构是否可靠”，多部位等效回答“能否戴得下”，平台化回答“能力能否沉淀复用”，全栈自研与自动化产线回答“每一枚是否同样稳定”，全球认证与临床回答“这些承诺是否被外部验证”。

六层答案叠加，方使“覆盖 0–17 岁”成为一个站得住脚的结论。

那么，在全球 CGM 行业的版图之中，此事处于何种位置？6.75% 又当如何科学解读？最后一部分，本文将视野拉远，给出其应有的坐标。

第六部分：行业坐标——0–17 岁全龄覆盖意味着什么

一、低龄人群长期是临床证据的薄弱环节

从公开产品信息看，已上市 CGM 的适用年龄下限多设于 2 至 4 岁之间；能系统覆盖 1 岁以下、尤其是 0 岁新生儿的临床数据相对有限。

这意味着：连续血糖监测在低龄人群中的应用基础，整体上不如成人及大龄人群充分。

本研究将覆盖范围明确扩展至 0–17 岁，并包含 1 岁以下亚组，系统评估了准确性、安全性与多部位佩戴表现，客观上为低龄人群补充了一份规范的临床证据。

二、1 岁以下，为何长期是空白

这一现状并非偶然，而是风险、样本、伦理与技术共同作用的结果。

风险层面，新生儿与小婴儿最为脆弱，任何材料、结构或读数问题都可能带来较严重后果，相关各方普遍审慎；样本层面，符合条件、能纳入规范研究的低龄患儿数量相对有限，且集中于专门的儿童医学中心；伦理层面，对尚无自主表达能力的婴幼儿开展研究，须通过更严格的伦理审查与知情同意；技术层面，正如第二部分所述，该人群对传感器与算法的要求最高，缺乏成熟平台便难以取得可靠结果。

因此，能在高水平儿童医学中心完成一项覆盖 0–17 岁、包含 1 岁以下亚组，并系统评估准确性、安全性与多部位表现的研究，本身即需要较为充分的技术积累与体系能力。

三、6.75% 的科学读法：如何达成，以及为何不应过度解读

1 岁以下亚组 MARD 为 6.75%——该数字当如何理解？结合 CGM 的生理与统计原理，存在若干合理的解释方向。

从生理与测量条件看，婴幼儿皮肤薄、组织灌注通常较好，葡萄糖自血液扩散至组织间液的距离更短，血液与组织间液间的平衡可能更快，生理延迟因而可能更小；同时，低龄婴儿大量时间处于被抱持、睡眠或相对静态状态，传感器常贴附于臀部上方、大腿等组织相对稳定、受大幅肢体运动干扰较少的部位，运动伪影与机械牵拉相对有限。这些条件均可能令低龄亚组的读数更为稳定。

此外，MARD 属相对误差，其数值还与亚组血糖所处浓度区间、配对数据的具体分布相关。

更重要的是，这一数字背后是平台本身。前文拆解的电子介体、三层酶膜、微电极阵列、逐枚校准与动态补偿，先在大规模成人人群中验证成熟，再延伸到低龄人群。婴儿，只是将这套平台的稳定性，置于一个更苛刻的环境中再次检验。

换言之，6.75% 并非专为儿童临时凑出的结果，而是一个统一平台在低龄人群中的正常表现。

但同时须强调，该数字不应被过度解读。

第一，亚组样本量有限：60 名受试者中 1 岁以下仅占一部分，单一亚组的配对数据量相对较小，MARD 的统计置信区间较宽，易受抽样波动影响，数值高低存在一定偶然性。

第二，亚组 MARD 偏低，不等于“婴儿必然比成人、比大龄儿童测得准”；更为严谨的表述是，该结果提示——该技术平台在 1 岁以下婴幼儿这一特殊人群中，同样达到了较高准确性。

第三，该结论若要进一步巩固，仍有赖于更大样本、多中心、前瞻性的临床数据。

将结论讲清楚，亦将边界讲清楚，方是对这组数据、对患儿家庭负责的态度。6.75% 的意义，在于表明“0 岁并非 CGM 不可触及的范围”；而它的适用边界，同样须阐明。

四、对患儿家庭与临床的实际意义

统计表述再严谨，技术最终仍须落于儿童与家庭的真实生活。覆盖 0–17 岁的 CGM，对患儿家庭意味着数件具体事项。

一是夜间安全。夜间本就是低血糖高发且最难被发现的时段，持续监测与报警使家长无需反复唤醒孩子以确认血糖；相关研究亦显示，可靠的 CGM 报警有助于缓解家长对夜间低血糖的担忧。

二是减少指尖采血。CGM 以连续数据替代大量指尖采血，对难以配合、对疼痛敏感的低龄儿童尤为友好。

三是远程照护。家长在孩子睡眠、入园、上学时可远程查看，将孩子交付其他照护者时亦更为安心。

四是为治疗提供数据支撑。连续的血糖曲线、TIR 与周期性报告，能帮助医生更完整地评估治疗效果、调整方案。

这些价值的共通之处在于：它们并非简单增加一项功能，而是将原本依赖儿童表达、家长猜测的风险，转化为可持续观察、及时干预的信息。对无法表达的婴幼儿而言，这一点尤为根本。

五、国产 CGM 技术的持续完善

置于更大的产业背景中，国产 CGM 的发展路径较为清晰：早期解决“有无”问题，中期在免校准、长佩戴、舒适度上持续改进；当企业开始在 MARD、一体化、智能化与特殊人群覆盖上积累数据，技术成熟度亦随之提升。

须客观指出，CGM 是一项需要长期积累的技术，在整体技术积淀、全球市场覆盖与长期临床数据等方面，行业仍在持续完善；而在覆盖 0 岁起的低龄人群、并取得 6.75% 亚组 MARD 这一具体方向上，欧态平台已走在前列。

这种进步的实质，是将高质量的血糖监测，扩展至更广泛、也更需要它的人群。

结语：精度为基，体系为本

回到开篇问题：为何年龄越小越难测，1 岁以下亚组却给出 6.75% 的 MARD？

走完这一路，答案其实并不复杂：这一数字并非偶然，亦非营销话术，而是一套完整体系在最苛刻人群身上的正常结果。

电子介体，令传感器在宽血糖范围摆脱氧限、保持线性；三层酶膜与微电极阵列，令源信号在娇嫩组织中依然干净稳定；逐枚校准与动态补偿，将滞后的组织间液读数还原为可信的血糖；柔性一体化设计，令设备真正适配小体型；全栈自研、自动化产线与临床验证，则令“每一枚均准、每一枚均安全”成为可重复的结果。

说到底，6.75% 衡量的不只是“准不准”，更是设备在最脆弱、最不可控、最易出错的人身上，能否依然保持可靠。

把最难的问题解决好，令最需要照护的儿童亦能获得持续监测与及时干预——这，便是欧态这项技术的分量。

参考文献

[1] Basu A, Veettil S, Dyer R, Peyser T, Basu R. Direct evidence of acetaminophen interference with subcutaneous glucose sensing in humans: a pilot study[J]. Diabetes Technology & Therapeutics, 2016, 18(8): 522-528. DOI: 10.1089/dia.2015.0410.

[2] Maahs D M, Du某 S N, Fox L A, et al. Effect of acetaminophen on CGM glucose in an outpatient setting[J]. Diabetes Care, 2015, 38(10): e158-e159. DOI: 10.2337/dc15-1096.

[3] Buckingham B A, Bailey T S, Brazg R, et al. Practical considerations on the use of continuous glucose monitoring in pediatrics and older adults and nonadjunctive use[J]. Diabetes Technology & Therapeutics, 2017, 19(S2): S1-S11. DOI: 10.1089/dia.2017.0034.

[4] Garg S K, Zisser H, Schwartz S, et al. Improvement in glycemic excursions with a transcutaneous, real-time continuous glucose sensor: a randomized controlled trial[J]. Diabetes Care, 2004, 27(10): 2349-2354.

[5] Al Khalifah R A, Abulqasim J, Alotaibi F. Safety and user experience with off-label use of a flash glucose monitor (FreeStyle Libre 1) among very young children with type 1 diabetes mellitus[J]. Journal of Pediatric Endocrinology and metabolism, 2023, 36(4): 413-420. DOI: 10.1515/jpem-2022-0452.

[6] Kordonouri O, Hartmann R, Deiss D, et al. Lipid and glucose levels in school-age children with type 1 diabetes mellitus treated with insulin pumps: the importance of age[J]. Acta Diabetologica, 2011, 48(4): 255-264.

[7] Continuous glucose monitors prove highly accurate in critically ill children[J/OL]. PMCID: PMC3219278.

[8] IEEE Technology Navigator. Continuous glucose monitoring[EB/OL]. technav.ieee.org/topic/continuous-glucose-monitoring.

[9] CGM AFIA. Sensor chemistry and enzymatic reactions[EB/OL]. cgmafia.com/topic/sensor-chemistry.

[10] CGM AFIA. CGM sensor interference and noise[EB/OL]. cgmafia.com/topic/cgm-interference-noise.

[11] 杭州宇昊化工科技有限公司. 第二代动态血糖仪（CGM）核心聚合物材料解决方案[EB/OL]. 第二代动态血糖仪（CGM）核心聚合物材料解决方案-杭州宇昊化工科技有限公司.

[12] 欧态动态血糖监测系统[EB/OL]. www.ottai.com.cn.

[13] 39诊疗频道. 三层酶固定化工艺拆解：从功能化修饰到选择性渗透膜，14天活性稳定如何实现[EB/OL]. 三层酶固定化工艺拆解：从功能化修饰到选择性渗透膜，14 天活性稳定如何实现_39健康网_诊疗.

[14] 99健康网. 电子介体传感、三层酶固定化、微电极阵列——欧态M8动态血糖仪五项硬件技术科普[EB/OL]. 电子介体传感、三层酶固定化、微电极阵列——欧态M8动态血糖仪五项硬件技术科普_99健康网.

[15] Tong X L, Jiang T H, Yang J Y, et al. Continuous glucose monitoring system based on protein hydrogel anti-biofouling coating for long-term accurate and point-of-care glucose monitoring[J]. Biosensors and Bioelectronics, 2025, 267: 116999.

[16] Choi S, Kim D J, Kim G, et al. Mussel-inspired enzyme immobilization and dual real-time compensation algorithms for durable and accurate continuous glucose monitoring[J]. Biosensors and Bioelectronics, 2020, 151: 111988.