知一知 · 今日
← 返回本期日报

AI 前沿

Google研究用消费级智能手表被动识别高血压迹象

本期日期 2026-11-06 · 08:00 北京时间

Google Research发表多模态AI系统AI-PPG-ACC-HTN,利用普通智能手表的PPG和加速度计信号,在无需袖带校准的情况下,聚合多日数据识别持续性高血压状态。研究称其对照24小时动态血压监测达到接近传统袖带流程的准确性。

Google Research研究人员Paolo Di Achille和Ming-Zher Poh介绍了一种利用标准消费级智能手表传感器被动检测高血压迹象的AI系统。高血压影响全球超过10亿人,但超过半数成年患者并不知情;18至44岁人群的漏诊还可能延误早期干预并增加卒中、心衰等长期心血管风险。

现有无袖带可穿戴设备通常需要定期用传统臂式袖带校准,只能跟踪相对于基线读数的变化,难以独立识别绝对高血压状态。新系统AI-PPG-ACC-HTN不估计某一时刻的精确收缩压和舒张压,而是汇总多日被动生理信号,判断个体是否存在持续的高血压状态。

模型训练分为两个阶段。首先使用自监督对比学习训练一维深度卷积神经网络,基于2109名同意参与者、总计492347小时的无标签传感器数据,让模型学习同一人重叠的15秒PPG和加速度计波形表征,以发现血管和心脏机械功能特征。随后,系统将用户多日佩戴产生的特征块平均聚合,以降低突发动作或温度变化等短期噪声影响,再结合身高这一动脉路径长度代理指标,用正则化逻辑回归分类器输出连续高血压概率。

该研究已发表于Nature,并以24小时动态血压监测这一临床金标准进行验证。Google称,系统在初筛和确认筛查中的准确性可与传统袖带诊断流程相比;研究结果也用于Google Health应用中Health Guardian的血压趋势功能。现有材料未完整列出多中心临床研究的样本量和最终性能数值。

原文来源

Google Research ↗
返回本期日报打开交互阅读页