谷歌AI用普通手表查高血压 不需袖带

谷歌研究团队在《自然》发表论文，公开了一套名为 AI-PPG-ACC-HTN 的系统：只用普通智能手表上已有的两个传感器，即光电容积脉搏波（PPG）和加速度计（ACC），就能识别一个人是否存在持续性的高血压，不需要先用袖带血压计做校准。

思路与市面上多数无袖带方案不同。团队并不试图估算某一刻的收缩压和舒张压，因为单点数值极易被瞬时环境干扰；他们要看的是“底层的、持续的高血压状态”。做法分两步：先让一维深度卷积网络在2109名参与者、49.2万小时的无标注传感器数据上做自监督对比学习，把同一个人相互重叠的15秒 PPG 与 ACC 波形在潜空间里拉近，从而在不依赖医学标签的情况下学到血管与心脏机械功能的特征。

第二步，把每个人多天佩戴积累的15秒嵌入取均值，抹掉突然运动、温度变化一类的噪声，再与身高（团队视其为动脉路径长度的可靠代理）一起送入正则化逻辑回归，输出一个连续的高血压概率。

验证是在美国五个中心做的前瞻性临床研究，196名参与者均无已知心血管疾病、未服用降压药，以24小时动态血压监测这一临床金标准为参照。初筛场景下，手表识别出65.8％的高血压患者，诊室袖带初筛为55.3％；两者特异度同为90.0％，阳性预测值分别为80.6％和77.8％。团队强调这两个比例的差异在统计上并不显著。

在48名诊室读数偏高的参与者中做确认测试，手表灵敏度78.4％、特异度90.9％、阳性预测值96.7％；复诊时的诊室测量为67.6％、63.6％和86.2％；多日家庭袖带监测则是89.2％、81.8％和94.3％，灵敏度仍高于手表。三种方式各有所长，手表并没有在所有指标上领先。

研究还回看了波形：被判为高风险的佩戴者，脉搏波更窄、上升支更慢，加速度计信号里的K波更深、IJK复合波更宽，与动脉更硬的表现吻合。这解释了模型究竟在“看”什么。

作者对边界说得很清楚：这属于早期可行性探索，不能替代标准袖带，也不构成独立的诊断结论，更不代表现有或即将推出的商品功能。研究规模仅196人且限于美国，灵敏度这个数字意味着仍有相当一部分患者会被漏掉。相关发现已用于 Google Health 应用中的血压趋势功能。合作方包括谷歌研究院、贝斯以色列女执事医疗中心和哈佛医学院。

背景数字是这项研究的出发点：全球高血压患者超过十亿，其中过半并不知情；由于几乎没有明显症状，多数病例靠偶然筛查发现，18至44岁人群的漏诊尤为严重。

编译自 Google Research，原标题："Detecting signs of hypertension using wearable sensors"