德康医疗通过“Smart”CGM 算法体系，在不对硬件进行任何升级的情况下，将 G4 的 MARD 从 12.6% 降低至 9.0%，而 MARD≤10% 的 CGM 系统可替代指血血糖仪进行糖尿病治疗决策，这一技术突破为血糖管理市场的规模扩张提供了核心驱动力。校准算法的发展不仅直接提升了 CGM 的准确性，还推动了便利性（如免校准）和舒适性的进步，从而提高了患者依从性和 CGM 渗透率，最终驱动市场规模增长。
校准算法如何提升 CGM 准确性与临床价值
CGM 系统测量的是组织间液的葡萄糖浓度，与血糖浓度存在差异，且受生理状态、电极钝化、环境温度等多种因素影响。校准算法是解决上述问题的关键。德康医疗的“Smart”算法体系，在未改变硬件的情况下，将 G4 的 MARD（平均绝对相对误差）从 12.6% 降至 9.0%，印证了算法对准确性的实质提升。根据 Kovatchev 等人的研究，MARD≤10% 的 CGM 系统可替代指血血糖仪进行糖尿病治疗决策，这意味着校准算法使 CGM 从辅助工具升级为临床可依赖的核心监测手段。
算法进步如何驱动血糖管理市场扩张
校准算法的优化不仅提升了准确性，还直接改善了 CGM 的便利性和依从性。例如，CGM 实现免校准功能既依赖硬件也依赖算法优化，免校准减少了用户操作负担，提升了使用意愿。同时，算法还能通过预判实现高血糖/低血糖预警，覆盖指血血糖仪的监控盲区。随着准确性、舒适性、便利性及性价比四个核心需求的满足，CGM 的渗透率有望提升，进而推动血糖管理市场规模的扩大。
常见问题
什么是 MARD，为什么它很重要？
MARD 是平均绝对相对误差，用于评估 CGM 准确性的核心指标。MARD 值越低，代表 CGM 测量值与真实血糖值越接近。当 MARD≤10% 时，CGM 可替代指血血糖仪进行糖尿病治疗决策，因此 MARD 是衡量 CGM 是否具备临床替代能力的关键阈值。
德康 G4 的算法升级具体带来了什么改变？
德康医疗通过“Smart”CGM 算法体系，在未改变 G4 硬件的情况下，将其 MARD 从 12.6% 降低至 9.0%。这表明 校准算法可以独立于硬件，显著提升 CGM 的准确性，使其进入可替代指血血糖仪的区间。
校准算法还会影响 CGM 的其他哪些方面？
除了准确性，校准算法还影响 CGM 的便利性和预警功能。例如，CGM 实现免校准功能需要算法优化；同时，算法可基于组织液葡萄糖变化趋势预判高血糖/低血糖，提供预警，弥补指血血糖仪无法持续监测的缺陷。