糖尿病是当前威胁全球人类健康的三大非传染性疾病之一,其慢性并发症所致的器官病变率和死亡率在不断增加,这给个人健康和社会发展带来了巨大的负担。人体内胰岛素和糖化血红蛋白是糖尿病早期诊断和病后管理的关键指标,二者的联合检测对于糖尿病诊断、胰岛β细胞功能评估等问题具有重要意义,因此开发一种能够实现糖化血红蛋白和胰岛素联合检测的低成本、便携式、商业化诊断设备将具有广泛的应用前景。本论文依据电化学检测原理,结合机器学习算法,对糖化血红蛋白和胰岛素的联合检测问题进行了深入分析和研究,并根据所测的糖化血红蛋白和胰岛素浓度值,给出了可用于糖尿病初步诊断和病后血糖精准管理的有效建议。具体工作如下:（1）深入研究糖化血红蛋白和胰岛素的电化学检测原理,搭建了电化学测量分析平台。选择丝网印刷电极作为传感器件,采用金纳米材料和循环伏安法对工作电极进行改性修饰,并制备免疫电极。通过扫描电镜表征实验、循环伏安实验、电化学阻抗谱实验和差分伏安实验,证明偶联了糖化血红蛋白抗体和胰岛素抗体的免疫电极具有良好的电活性,可用于糖化血红蛋白和胰岛素的电化学免疫联合定量检测。（2）设计糖化血红蛋白与胰岛素的电化学联合检测方案。根据被测物的理化特性和生物结构,选择差分伏安法测定糖化血红蛋白与胰岛素溶液浓度。实验证明,上述提到的电化学检测平台和电化学检测方案可以测量不同浓度配比的糖化血红蛋白和胰岛素混合溶液,免疫电极对糖化血红蛋白和胰岛素的检出限分别为2.2μM和3.3p M,灵敏度分别为1.22μA/μM和0.19μA/p M,线性检测范围分别为200～700μg/m L和5～25 pmol/L,且免疫电极具有较好的重复性和特异性。（3）针对混合实验测定的差分伏安实验数据,提取特征参数,构建特征数据集。通过随机森林、Adaboost、K近邻、逻辑回归和支持向量机5种机器学习分类模型对未知浓度配比的糖化血红蛋白和胰岛素混合溶液进行浓度预测。结果显示,随机森林模型预测糖化血红蛋白浓度的正确率可达95%以上,预测胰岛素浓度的正确率可达89%以上。为验证本实验平台和机器学习模型可用于临床样品检测,对采用胎牛血清样品配制的糖化血红蛋白和胰岛素混合溶液进行浓度预测,预测准确度在90%以上。（4）基于糖化血红蛋白和胰岛素浓度的联合检测结果,探讨了糖化血红蛋白和胰岛素联合检测在高危人群早期诊断和糖尿病病人血糖长期管理过程中的应用,并给出了可靠的糖尿病诊断和血糖控制建议。本文通过电化学检测方法和机器学习分类模型,利用被测物的位阻效应和干扰特性,实现了糖化血红蛋白和胰岛素的联合检测,这在多物质联合检测领域是一项开创性工作。该电化学检测及分析系统具有准确度高、方案简单有效、成本低廉等优势,在糖尿病的临床诊断与家庭管理中具有广阔的应用前景。