Assessment methodology for non-invasive glucose estimation based on biomedical signals targeting reproducible research

Abstract

A estimativa não invasiva da glicose por meio de sinais biomédicos tem sido investigada como uma possível alternativa aos métodos convencionais de monitoramento, especialmente em razão da disponibilidade crescente de sensores ópticos e dispositivos vestíveis. Entretanto, a relação indireta entre a concentração de glicose e sinais como a fotopletismografia associada às limitações dos conjuntos de dados e às diferentes decisões metodológicas adotadas, dificulta a comparação e a reprodução dos resultados publicados. Este trabalho teve como objetivo avaliar sistematicamente escolhas metodológicas envolvidas na estimativa não invasiva da glicose, por meio do desenvolvimento e da aplicação de uma metodologia reprodutível para processamento de sinais biomédicos e aprendizado de máquina. A fotopletismografia foi adotada como modalidade analítica principal, e o eletrocardiograma e a bioimpedância da pele foram investigados como possíveis fontes complementares de informação. Foram organizados dados fisiológicos complementares, incluindo conjuntos multimodais coletados no âmbito deste estudo, contendo medições de glicose de referência e sinais biomédicos. A metodologia desenvolvida abrangeu organização dos dados, processamento dos sinais, avaliação de qualidade, segmentação, extração e seleção de características e modelos de regressão. Quinze configurações metodológicas foram aplicadas a quatro conjuntos de análise, totalizando 60 experimentos. Os modelos foram avaliados por validação cruzada nested e agrupada por participante, juntamente com um conjunto de teste independente e um regressor de referência baseado na média. Os resultados demonstraram que diferentes decisões tomadas na metodologia e processamento alteraram o desempenho, mas seus efeitos não foram consistentes entre os conjuntos de dados. A seleção de características permitiu reduzir substancialmente a dimensionalidade sem perda sistemática de desempenho, enquanto a extração de grande quantidade de segmentos de uma mesma medição não resultou em melhora consistente da capacidade de generalização. Foram observadas elevada variabilidade entre as partições de validação, relações fracas e instáveis entre características individuais e glicose, e vantagens apenas modestas em relação ao modelo de referência da média. Também não foram identificadas evidências suficientes de que a inclusão de eletrocardiograma e bioimpedância melhorasse consistentemente a estimativa obtida com a fotopletismografia. Assim, os experimentos não demonstraram que as características avaliadas permitam estimar glicose de forma confiável em participantes não observados durante o treinamento, usando os datasets disponíveis nesse trabalho. A principal contribuição do trabalho é, portanto, metodológica: uma estrutura configurável e executável que torna explícitas as decisões experimentais, permite reproduzir resultados positivos, negativos ou dependentes do conjunto de dados e oferece suporte para investigações futuras com conjuntos de dados maiores e mais variados sobre estimativa não invasiva da glicose.

Non-invasive glucose estimation using biomedical signals has been investigated as a potential alternative to conventional monitoring methods, particularly because of the increasing availability of optical sensors and wearable devices. However, the indirect relationship between glucose concentration and signals such as photoplethysmography, combined with dataset limitations and the different methodological decisions adopted, makes published results difficult to compare and reproduce. This work aimed to systematically assess methodological choices involved in non-invasive glucose estimation through the development and application of a reproducible methodology for biomedical signal processing and machine learning. Photoplethysmography was adopted as the primary analytical modality, while electrocardiography and skin bioimpedance were investigated as possible complementary sources of information. Complementary physio- logical data were organized, including multimodal datasets collected as part of this study and containing reference glucose measurements and biomedical signals. The developed methodology encompassed data organization, signal processing, quality assessment, segmentation, feature extraction and selection, and regression modeling. Fifteen methodological configurations were applied to four analysis datasets, resulting in a total of 60 experiments. The models were evaluated using nested cross-validation grouped by participant, together with an independent test set and a mean-based reference regressor. The results showed that different decisions associated with methodological choices affected performance, although their effects were not consistent across datasets. Feature selection substantially reduced dimensionality without systematically degrading performance, whereas extracting a large number of segments from the same measurement did not consistently improve generalization. High variability across validation partitions, weak and unstable relationships between individual features and glucose, and only modest advantages over the mean-based reference model were observed. Furthermore, there was insufficient evidence that including electrocardiography and bioimpedance consistently improved the estimates obtained using photoplethysmography. Therefore, the experiments did not demonstrate that the evaluated features can support reliable glucose estimation in participants not observed during training, using the datasets available in this. The principal contribution of this work is therefore methodological: a configurable and executable framework that makes experimental decisions explicit, enables the reproduction of positive, negative, or dataset-dependent results, and supports future investigations of non-invasive glucose estimation using larger and more diverse datasets.