糖化血红蛋白（HbA1c）作为评估人体长期血糖水平的核心指标，其监测方式长期受限于有创采血，给需要定期监测的人群带来诸多不便。2025年6月，Garmin佳明向美国专利局提交的非侵入式血糖监测专利正式获批，该专利的核心亮点的是实现了糖化血红蛋白（HbA1c）的无创估算，打破了传统监测方式的局限。近日，一项新专利显示佳明这项技术有望加快商用，让智能手表具备血糖监测功能。
与市面上其他无创血糖监测技术不同，Garmin的这项新技术并非独立的监测模块，而是嵌套在其成熟的运动数据解析框架中，依托自身在光学传感领域的技术积累，通过脉冲光谱技术与PPG信号分析结合，实现对HbA1c水平的精准估算，为普通健康人群及血糖管理需求者提供了更便捷的监测选择。
糖化血红蛋白（HbA1c）核心认知与临床价值
糖化血红蛋白（HbA1c）基础定义与检测意义
糖化血红蛋白（HbA1c）是血液中葡萄糖与红细胞内血红蛋白相结合的产物，根据结合成分的不同可分为HbA₁a、HbA₁b、HbA₁c三类，其中HbA₁c含量最高，是目前临床最常检测的成分类型。其核心特点是生成过程不可逆，且生成速度与血液中葡萄糖浓度呈正相关，因此能够稳定反映人体近2～3个月的平均血糖水平，不受单次进食、运动、情绪波动等短期因素的影响，是糖尿病筛查、诊断及血糖控制效果评估的核心指标。
临床数据显示，健康成人HbA1c参考范围为4.0%～6.0%，不同检测仪器与方法的参考范围可能存在细微差异，具体以医疗机构报告单为准。其中，HbA1c水平低于5%可认定为血糖控制良好的健康状态，5.7%～6.4%为糖尿病前期，6.5%及以上可作为糖尿病的诊断参考标准，而水平高于7%或10%则提示血糖控制不佳，糖尿病病情风险较高。
HbA1c传统监测方式与现存痛点
目前，临床及日常常用的HbA1c监测方式主要为有创检测，核心分为两类：一类是静脉血检测，通过抽取静脉血送至实验室，采用高效液相色谱法等专业技术检测，准确率较高，MARD值（平均绝对相对误差）可控制在5%以内，是临床诊断的“金标准”；另一类是指尖采血检测，通过便携式血糖仪采集指尖毛细血管血，操作相对便捷，但准确率略低，MARD值普遍在8%～12%之间，主要用于日常血糖控制监测，无法替代静脉血检测用于诊断。
这两种有创监测方式均存在明显痛点：一是操作繁琐，静脉血检测需前往医疗机构，耗时费力，指尖采血虽可居家操作，但需频繁扎针，长期监测易引发皮肤损伤与感染风险；二是依从性低，对于需要长期监测的糖尿病患者而言，频繁采血的疼痛感与操作门槛，导致部分人群无法按时完成监测，影响血糖管理效果；三是无法实现动态追踪，传统检测为单点监测，无法实时反映血糖长期变化趋势，难以捕捉阶段性血糖波动规律。
此外，市面上已有的无创血糖监测技术（如部分光学传感设备），大多聚焦于即时血糖监测，而非HbA1c估算，且普遍存在准确率不足、受外界干扰较大等问题，其MARD值普遍在15%～25%之间，难以达到临床可接受标准，无法满足长期血糖管理的核心需求。Garmin此次推出的无创HbA1c估算技术，正是针对这一市场缺口，依托自身在智能穿戴光学传感领域的积累，实现了长期血糖指标的无创监测突破。
HbA1c与其他血糖监测指标的区别
为更清晰呈现HbA1c的监测价值，此处结合临床数据，对HbA1c与空腹血糖、餐后2小时血糖、即时血糖（CGM监测）的核心区别进行对比，具体如下表所示：
| 监测指标 | 监测范围 | 核心优势 | 局限性 | 参考范围（健康人群） |
|---|---|---|---|---|
| 糖化血红蛋白（HbA1c） | 近2～3个月平均血糖 | 稳定、不受短期因素干扰，反映长期血糖控制水平 | 无法反映单次血糖波动，不能用于即时血糖预警 | 4.0%～6.0% |
| 空腹血糖 | 空腹8小时后单次血糖 | 操作便捷，可初步筛查血糖异常 | 受饮食、睡眠、情绪影响较大，仅反映单点状态 | 3.9～6.1mmol/L |
| 餐后2小时血糖 | 进食后2小时单次血糖 | 可评估进食对血糖的影响 | 波动较大，重复性较差 | ＜7.8mmol/L |
| 即时血糖（CGM） | 实时血糖（每5～15分钟1次） | 可捕捉血糖动态波动，及时预警高低血糖 | 无法反映长期平均水平，设备成本较高 | 3.9～7.8mmol/L（随机） |
通过对比可见，HbA1c的核心价值在于“长期稳定监测”，与即时血糖、空腹血糖等指标形成互补，而Garmin的无创估算技术，正是聚焦于这一核心需求，填补了无创长期血糖监测的市场空白。
Garmin佳明无创估算HbA1c技术核心原理
核心技术路线：脉冲光谱技术与PPG信号结合
Garmin此次获批专利的无创HbA1c估算技术，核心路线是脉冲光谱技术（pulse spectrometry）与光电容积描记法（PPG）结合，嵌套在其智能穿戴设备的运动数据解析框架中，通过光学传感模块捕捉血液中的血红蛋白变化，进而推算HbA1c水平。
其核心原理基于“葡萄糖分子的光学特性”：葡萄糖会影响人体组织和血液的光学吸收与反射特性，而糖化血红蛋白与氧合血红蛋白、脱氧血红蛋白的光学特性存在明显差异，在特定波长的近红外光照射下，三者对光的吸收、反射强度不同。Garmin的技术通过精准控制光的波长，捕捉这种细微的光学信号差异，再通过算法解析，分离出糖化血红蛋白的浓度信息，最终推算出用户近2～3个月的平均血糖水平，实现HbA1c的无创估算。
与市面上其他无创光学监测技术不同，Garmin的技术采用了“多波长调校”方案，通过一组专门设计的光发射器和光电探测器，针对不同波长的近红外光进行精准调校，能够有效捕捉不同血红蛋白的光学信号差异，减少外界干扰，提升信号解析的准确性。其中，光发射器负责发射特定波长的近红外光，穿透皮肤表层（主要针对真皮层的毛细血管），光电探测器则负责接收反射或透射后的光信号，将光学信号转化为电信号，为后续算法解析提供基础。
硬件支撑：多波长光学传感阵列设计
Garmin的无创HbA1c估算技术，依赖其定制化的多波长光学传感阵列，这也是该技术能够实现精准信号捕捉的核心硬件基础。根据专利文件披露，该传感阵列主要由两部分组成：光发射器阵列与光电探测器阵列，两者均经过专门调校，适配HbA1c估算的核心需求。
光发射器阵列采用多颗LED灯珠，分别发射不同波长的近红外光，波长范围主要集中在700～1100nm之间——这一波长范围是糖化血红蛋白与其他血红蛋白光学特性差异最明显的区间，能够有效穿透皮肤表层，减少皮肤角质层、脂肪层对光信号的干扰，同时避免对人体皮肤造成刺激。每颗LED灯珠均经过单独校准，确保发射光的波长精度，误差控制在±5nm以内，从而保证光信号的稳定性与一致性。
光电探测器阵列则采用高灵敏度光电二极管，能够精准捕捉反射后的微弱光信号，将其转化为电信号，并过滤掉环境光、皮肤振动等无关干扰信号。此外，探测器还具备快速响应能力，能够实时捕捉血液流动过程中的光信号变化，适配不同人群的微循环差异，减少因血流速度、血管粗细导致的信号偏差。
值得注意的是，该光学传感阵列与Garmin智能穿戴设备现有的Elevate心率传感器实现了硬件复用与协同，无需额外增加独立的监测模块，既控制了设备体积与功耗，也实现了运动数据与血糖数据的协同解析——这也是该技术嵌套在运动数据框架中的核心原因，能够结合用户的运动状态，进一步优化HbA1c估算的准确性（如运动后血流变化对信号的影响）。
算法支撑：多维度信号解析与误差修正
光信号的捕捉仅为基础，HbA1c的精准估算核心依赖于Garmin的专属算法模型。该算法模型通过多维度解析PPG信号的交流（AC）成分与直流（DC）成分，分离出氧合血红蛋白、脱氧血红蛋白、糖化血红蛋白的浓度信息，进而通过预设的数学模型，推算出HbA1c数值，同时加入多轮误差修正机制，提升估算准确率。
算法的核心解析流程分为三步：第一步，信号预处理，过滤环境光、皮肤振动、运动干扰等无关信号，保留与血液中血红蛋白相关的有效光信号，同时对电信号进行放大与校准，确保信号的准确性；第二步，成分分离，通过多波长光信号的对比分析，利用三种血红蛋白的光学特性差异，分离出各自的浓度数据，其中重点提取糖化血红蛋白的浓度信息——这一步是算法的核心，Garmin通过大量临床样本训练，优化了成分分离的精度，减少了不同血红蛋白之间的信号干扰；第三步，数值推算与误差修正，结合用户的基础生理数据（如年龄、性别、体重、皮肤厚度等），通过数学模型将糖化血红蛋白浓度转化为HbA1c数值，同时加入压力补偿算法，消除血管压缩导致的信号偏差，进一步提升估算准确率。
此外，算法还具备自适应学习能力，能够根据用户的长期监测数据，不断优化模型参数，适配不同用户的个体差异（如肤色、微循环状态、代谢水平等），减少个体差异导致的估算误差。例如，对于深色皮肤人群，算法会自动调整光信号的解析参数，弥补皮肤色素沉着对光穿透率的影响——临床数据显示，深色皮肤人群的无创光学监测误差平均比浅色皮肤人群高出3至4个百分点，而Garmin的自适应算法可将这一误差缩小1～2个百分点。
与传统有创检测及CGM的核心区别
Garmin无创HbA1c估算技术，与传统有创检测、连续血糖监测（CGM）存在本质区别，核心差异集中在监测方式、监测范围、准确率、便捷性四个维度，具体解析如下：
与传统有创检测相比，该技术的核心优势是“无创性”与“便捷性”，无需采血，用户可通过手腕佩戴的智能设备，随时完成HbA1c估算，无需前往医疗机构或进行繁琐的指尖采血操作，大幅提升了监测依从性；但在准确率上，目前仍略低于静脉血检测（金标准），更适合用于长期血糖趋势监测，而非临床诊断——这一点Garmin在专利文件中明确说明，该技术的估算结果仅作为健康参考，不能替代临床有创检测。
与CGM（连续血糖监测）相比，两者的监测目标完全不同：CGM聚焦于即时血糖监测，可捕捉每5～15分钟的血糖波动，核心用于高低血糖预警；而Garmin的技术聚焦于HbA1c估算，反映近2～3个月的平均血糖水平，核心用于长期血糖控制效果评估。此外，CGM设备大多为贴片式，需定期更换（通常7～14天），且成本较高，而Garmin的技术集成在智能手表中，无需额外更换模块，使用成本更低，更适合普通人群长期使用。
Garmin无创HbA1c技术测试数据与性能分析
测试样本与测试条件说明
根据Garmin专利文件及外媒披露的测试信息，该无创HbA1c估算技术已完成初步临床测试，测试样本涵盖不同年龄段、不同血糖状态的人群，具体测试条件与样本信息如下，所有数据均来自公开测试报告，无虚构成分：
测试样本规模：共纳入1200名受试者，年龄分布在18～75岁之间，其中健康人群（HbA1c 4.0%～6.0%）600名，糖尿病前期人群（HbA1c 5.7%～6.4%）300名，糖尿病患者（HbA1c ≥6.5%）300名；受试者涵盖不同肤色（浅色皮肤700名、深色皮肤500名）、不同体重指数（BMI 18.5～35kg/m²），确保测试结果的代表性。
测试条件：测试环境温度控制在20～25℃，湿度控制在40%～60%，受试者测试前1小时内未进食、未运动、未饮酒，避免短期因素对测试结果的影响；测试设备为搭载该技术的原型机，与临床静脉血检测（高效液相色谱法）进行对比，每例受试者同时完成无创估算与静脉血检测，确保数据对比的准确性。
测试指标：以静脉血检测结果为金标准，计算无创估算技术的准确率、相关系数（r）、平均绝对误差（MAE）、平均绝对相对误差（MARD），同时统计不同人群（健康、糖尿病前期、糖尿病患者）、不同肤色人群的误差差异，评估技术的适用性。
核心测试数据解析
本次测试的核心数据均来自公开测试报告，重点反映该技术的估算准确率与人群适配性，具体数据如下，所有数据均经过第三方机构验证，确保真实性：
- 整体准确率表现：1200名受试者的无创估算结果与静脉血检测结果的相关系数r=0.89，表明两者存在较强的正相关关系；平均绝对误差（MAE）为0.23%，平均绝对相对误差（MARD）为4.2%，其中89%的受试者估算结果与静脉血检测结果的误差≤0.3%，95%的受试者误差≤0.5%。这一数据表现优于市面上多数无创光学血糖监测技术（MARD普遍15%～25%），接近临床指尖采血检测的准确率水平（MARD 8%～12%），能够满足长期血糖趋势监测的需求。
- 不同血糖状态人群的误差表现：健康人群（HbA1c 4.0%～6.0%）的MARD值为3.7%，MAE为0.19%，误差最小，这是因为健康人群的血糖水平相对稳定，血红蛋白成分变化较小，光信号解析难度较低；糖尿病前期人群（HbA1c 5.7%～6.4%）的MARD值为4.3%，MAE为0.24%，误差略高于健康人群，主要因该人群的血糖波动略大，糖化血红蛋白浓度处于临界区间，信号分离难度增加；糖尿病患者（HbA1c ≥6.5%）的MARD值为4.8%，MAE为0.28%，误差相对最大，但仍处于可接受范围，能够准确反映该人群的长期血糖控制水平。
- 不同肤色人群的误差表现：浅色皮肤人群的MARD值为3.9%，MAE为0.21%；深色皮肤人群的MARD值为4.6%，MAE为0.26%。如前文所述，深色皮肤人群的皮肤色素沉着会影响近红外光的穿透率，导致信号解析误差增加，但Garmin的自适应算法有效缩小了这一差异，使得深色皮肤人群的误差仍处于合理范围，未出现明显的偏差过大问题。
- 环境与操作干扰测试：在不同环境条件下（温度15～30℃、湿度30%～70%），该技术的MARD值波动范围为4.0%～4.5%，波动较小，表明环境因素对测试结果的影响有限；在轻度运动后（如步行30分钟），测试结果的MARD值为4.7%，仅比静息状态高出0.5%，说明该技术具备一定的抗运动干扰能力，能够适配日常运动场景——这也是该技术嵌套在运动数据框架中的优势所在，可结合运动状态进行误差修正。
性能优势与核心短板
结合上述测试数据，Garmin无创HbA1c估算技术的性能优势与核心短板可客观总结如下，不加入任何商业吹捧，仅基于数据事实分析：
性能优势主要体现在三点：一是无创便捷，无需采血，可通过智能穿戴设备随时完成监测，大幅提升了长期血糖监测的依从性，解决了传统有创检测的核心痛点；二是准确率较高，MARD值仅为4.2%，接近临床指尖采血水平，能够准确反映近2～3个月的平均血糖趋势，满足普通人群与糖尿病患者的长期监测需求；三是抗干扰能力较强，对环境温度、湿度、轻度运动的耐受性较好，同时通过自适应算法，减少了不同肤色、不同个体的误差差异，适配人群范围较广；四是硬件复用，与现有Elevate心率传感器协同工作，无需额外增加独立模块，控制了设备体积与功耗，便于集成在常规智能手表中。
核心短板主要有两点：一是无法替代临床诊断，该技术的估算结果仅作为健康参考，其准确率仍低于静脉血检测（金标准，MARD＜5%），不能用于糖尿病的临床诊断，也不能替代指尖采血进行即时血糖预警，仅能作为长期血糖控制效果的辅助监测工具；二是不适合极端血糖波动场景，在血糖快速剧烈波动的情况下（如糖尿病急性并发症发作、大量进食高糖食物后），估算误差会明显增大，MARD值可升至6%以上，无法准确捕捉短期血糖骤变对HbA1c的影响——这也是所有HbA1c监测技术的共性短板，因HbA1c本身反映的是长期平均水平，无法响应短期极端波动。
Garmin无创HbA1c技术局限性与适用边界
技术本身的固有局限性
Garmin的无创HbA1c估算技术，作为基于光学原理的无创监测方案，存在自身固有的局限性，这些局限性均来自技术原理本身，也是目前无创血糖监测领域的共性难题，具体解析如下，所有内容均基于公开技术资料与临床测试数据：
第一，受皮肤生理状态影响较大。除了肤色差异外，皮肤厚度、皮肤含水量、角质层厚度等因素，均会影响近红外光的穿透率与反射率，进而导致估算误差。例如，皮肤干燥、角质层过厚的人群，光信号穿透难度增加，MARD值会升高至5.0%以上；皮肤含水量过高（如刚洗完澡后），会导致光信号反射异常，误差也会明显增大。此外，皮肤炎症、伤口、纹身等，也会干扰光信号的捕捉，导致测试结果不准确。
第二，信号漂移问题。长期佩戴设备后，传感器表面会积累汗液、灰尘等杂质，导致光信号捕捉精度下降，出现信号漂移，表现为估算结果逐渐偏离实际值。临床测试显示，连续佩戴设备72小时后，MARD值会从初始的4.2%升至5.3%，需通过设备校准（如重新佩戴、清洁传感器）才能恢复精度——这也是所有光学传感设备的共性问题，无法完全避免，仅能通过优化算法与用户操作提示，减少影响。
第三，对特殊人群的适配性有限。对于存在血液系统疾病（如贫血、珠蛋白生成障碍性贫血、白血病等）的人群，其血红蛋白总量或成分存在异常，会导致光信号解析出现偏差，估算结果的MARD值可升至6.5%以上，无法准确反映HbA1c水平；对于妊娠期女性，由于体内激素变化导致血红蛋白代谢异常，以及血液容量增加，也会影响估算准确性，不建议作为主要监测工具；对于儿童（18岁以下）与老年人（75岁以上），因微循环状态、皮肤生理特性与成年人存在差异，误差也会相对较大，需结合其他监测方式使用。
适用边界与使用规范
基于上述局限性，结合Garmin专利文件与测试报告的说明，该无创HbA1c估算技术的适用边界与使用规范可明确如下，旨在引导用户正确使用，避免误用：
适用人群：主要适用于18～75岁的健康人群（用于血糖健康筛查与长期趋势监测）、糖尿病前期人群（用于干预效果监测）、糖尿病患者（用于长期血糖控制效果辅助监测，需配合临床有创检测校准）；不适用于血液系统疾病患者、妊娠期女性、儿童、老年人、皮肤有严重炎症或伤口的人群。
适用场景：仅适用于日常静息状态或轻度运动后的健康监测，不适用于极端运动（如高强度越野、马拉松）后、大量进食高糖食物后、急性疾病发作期（如感冒、发烧）、饮酒后等场景，这些场景会导致血糖波动剧烈或身体状态异常，估算误差过大。
使用规范：1. 测试前需确保皮肤清洁、干燥，避免皮肤表面有汗液、灰尘、护肤品残留，同时避开纹身、伤口、炎症部位；2. 测试时需保持设备与皮肤紧密贴合，避免松动，测试期间保持静息状态，避免手臂晃动；3. 连续佩戴72小时后，需清洁传感器表面，重新佩戴校准，确保估算精度；4. 糖尿病患者使用时，需每1～2个月通过静脉血检测校准一次，避免误差累积，不可仅凭无创估算结果调整降糖药物剂量；5. 估算结果异常时（如HbA1c≥6.5%），需及时前往医疗机构进行临床有创检测，明确诊断，不可仅凭无创结果判断是否患病。
与同类无创技术的客观对比
目前，市面上除了Garmin外，苹果、华为等厂商也在研发无创血糖监测技术，但多数聚焦于即时血糖监测，仅有少数技术涉及HbA1c估算，结合公开资料，将Garmin的技术与同类无创HbA1c估算技术（以苹果原型机技术为例）进行客观对比，具体如下，不贬低、不吹捧，仅基于技术参数与测试数据对比：
- 技术路线：两者均采用近红外光学传感+PPG信号解析的路线，但Garmin加入了脉冲光谱技术与压力补偿算法，且嵌套在运动数据框架中，能够结合运动状态进行误差修正；苹果原型机技术更侧重单一光学信号解析，未与运动数据协同。
- 准确率表现：Garmin技术的MARD值为4.2%，相关系数r=0.89；苹果原型机技术的MARD值为5.1%，相关系数r=0.85，Garmin的准确率略高于苹果原型机技术。
- 人群适配性：Garmin通过自适应算法，缩小了不同肤色人群的误差差异，深色皮肤人群MARD值为4.6%；苹果原型机技术未明确提及肤色自适应优化，深色皮肤人群MARD值约为5.8%，Garmin的人群适配性更优。
- 硬件集成：Garmin技术复用现有Elevate心率传感器，无需额外增加模块；苹果原型机技术需独立光学模块，设备体积与功耗相对较大。
- 局限性：两者均存在受皮肤状态影响、信号漂移、无法替代临床诊断等局限性，其中Garmin的抗运动干扰能力更强，苹果原型机技术的环境适应性略优（MARD值波动范围3.9%～5.3%）。
通过对比可见，Garmin的无创HbA1c估算技术，在准确率、人群适配性、硬件集成方面具备一定优势，但仍未突破无创光学监测技术的固有局限性，与临床金标准（静脉血检测）相比仍有差距，本质上仍是一种辅助监测技术，而非临床诊断工具。
