Nature:AI解读智能手表多模态波形筛查高血压,灵敏度高于诊室血压初筛
Nature:智能手表测血压!不充气、不校准,AI也能揪出“沉默杀手”
发表在Nature的研究利用谷歌智能手表采集光电容积脉搏波与加速度计信号,结合身高输入AI算法估算高血压概率,无需袖带校准。前瞻多中心队列(n=196,以24小时动态血压为参照)显示,7天监测中AI系统灵敏度为65.8%、特异度为90.0%,与诊室初次筛查(55.3%/90.0%)相比正确识别病例略多,差异无统计学显著;该法仅作为机会性筛查,提示高风险者前往临床进一步确诊。
研究给出智能手表AI筛查高血压的首个多中心队列头对头数据,可与诊室血压筛查效果比较,读者可据此评估该产品潜力。
高血压常被称为“沉默杀手”,它最危险的地方不在于血压数值本身,而在于太多人根本不知道自己已经中招。全球范围内,超过半数的高血压成年患者对自己的病情毫不知情;而高血压是心血管疾病的重要危险因素,发现得越晚,干预越迟,发生心梗、脑卒中等重大不良心血管事件的风险就越高。正因如此,如何在人群中尽早筛出那些“浑然不觉”的高血压个体,一直是公共卫生领域的一道难题。
传统的血压测量依赖袖带充气,无论是诊室血压还是24小时动态血压监测,都离不开这套“绑胳膊”的流程。消费级智能手表虽然普及,但此前普遍认为其传感器精度不足以直接测量血压,读数还需要用袖带血压计进行校准。不过近日,一篇发表在国际杂志Nature上题为“Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch”的研究报告提出了不同的思路:不测血压值,而是用人工智能解读手表记录的多模态波形,直接判断这个人有没有高血压。换句话说,手表不负责告诉你血压是多少,而是提醒你“该去量血压了”。
这项研究中,研究人员利用谷歌智能手表采集光电容积脉搏波(一种通过光学手段测量皮下微血管组织血容量变化的技术)和加速度计记录的手腕运动信号,再结合参与者身高,将数据输入AI算法,在不进行袖带校准的前提下估算高血压的概率。该系统需要多次读数才能给出判断。算法训练使用了来自2109人的近50万小时智能手表数据,并在多个队列中进行了额外训练与测试。随后,研究人员在一个前瞻性、多中心研究中纳入196名参与者进行验证,这些人此前均无已知心血管疾病,也未服用降压药物,以金标准24小时动态血压监测作为参照。

在为期七天的真实世界监测中,AI系统检测高血压的灵敏度为65.8%,特异度为90.0%,阳性预测值为80.6%。作为对照,初次诊室血压筛查的灵敏度为55.3%,特异度同样为90.0%,阳性预测值为77.8%。也就是说,智能手表正确识别出的高血压病例略多于诊室袖带测量,但两者差异在统计学上并不显著;两种方法在避免误报方面表现相当,均有九成的把握不把正常人误判为高血压。值得注意的是,这项系统并非要取代传统的袖带血压监测,而是作为一个筛查工具,识别出有高血压迹象的个体,促使他们尽早前往临床进行评估和确诊,从而为早期诊断和干预争取时间,最终帮助减少心血管事件的发生。
这项研究跳出了“手表必须测出血压数值”的惯性思维,转而用AI从波形中挖掘高血压的“指纹”,并且以24小时动态血压监测这一金标准为参照,同时与既有的诊室筛查方法做了头对头比较—这两点在以往同类研究中并不常见。对于普通消费者而言,这意味着手腕上那块原本只用来计步、看消息的设备,有可能在不远的将来承担起一次低调的健康提醒:它不会替你诊断,但会轻轻推你一把,让你去做那趟早就该去的检查。对于公共卫生而言,这种低成本、广覆盖的机会性筛查思路,或许正是应对“半数患者不知情”这一困局的一条现实路径。(生物谷Bioon.com)
参考文献:
Di Achille, P., Cai, L., Wu, J. et al. Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch. Nature (2026). doi:10.1038/s41586-026-11336-3
版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
来源:生物谷·资讯 · news.bioon.com