谷歌 AI 新研究：无需袖带利用消费级智能手表检测高血压，成果登 Nature

AI 总结
• 谷歌于当地时间11月5日发布博文，介绍其与《自然》发表的最新研究，推出名为AI-PPG-ACC-HTN的多模态AI系统，无需袖带校准，使用普通消费级智能手表即可被动检测高血压迹象。
• 该系统转变传统思路，不再估算易受瞬时环境噪声干扰的单次瞬时血压，而是通过聚合连续多天采集的被动生理特征，专注于识别个体潜在且持续存在的高血压状态。
• 技术路径包括自监督预训练：使用超49万小时无标注数据训练1D-CNN，通过对比学习让模型自主挖掘复杂的心血管生理特征；
• 以及多天聚合与分类：将多天15秒特征向量取均值平滑瞬态噪声，结合身高（表征动脉路径长度），经逻辑回归模型输出持续高血压概率评分。
• 研究团队在全美5个临床中心开展前瞻性、多中心临床试验，纳入196名无心血管病史且未服降压药的受试者，以24小时动态血压监测为金标准；
• 初步筛查特异度达90.0%，阳性预测值为80.6%，灵敏度为65.8%，优于门诊单次初筛；
• 确诊性检测（针对初筛偏高人群）阳性预测值高达96.7%，特异度达90.9%，灵敏度达78.4%，可比肩需佩戴数天的家庭连续袖带监测。
• 该项研究成果已为谷歌健康应用中的血压趋势“健康守护”功能提供核心技术支撑。

IT之家 11 月 7 日消息，当地时间 11 月 5 日，谷歌发布博文，介绍在《自然》（Nature）发表的最新研究成果。

谷歌推出了名为 AI-PPG-ACC-HTN 的多模态 AI 系统。该系统无需袖带校准，使用普通消费级智能手表便能被动检测高血压迹象。

官方表示，与常规方案试图估算极易受瞬时环境噪声干扰的单次瞬时收缩压与舒张压不同，新系统转变了解决思路：通过聚合连续多天采集的被动生理特征， 专注于识别个体潜在且持续存在的高血压状态 。

•

自监督预训练 ：使用超 49 万小时无标注数据训练 1D-CNN，通过对比学习让模型自主挖掘复杂的心血管生理特征。

•

多天聚合与分类 ：将多天 15 秒特征向量取均值平滑瞬态噪声，结合身高（表征动脉路径长度），经逻辑回归模型输出持续高血压概率评分。



为评估其性能，研究团队在全美 5 个临床中心开展了前瞻性、多中心临床试验，纳入 196 名无心血管病史且未服降压药的受试者，并以临床金标准 ——24 小时动态血压监测为参照基准。

试验结果显示：

•

初步筛查 ：特异度达 90.0%，阳性预测值（PPV）为 80.6%，灵敏度为 65.8%（优于门诊单次初筛的 55.3% 灵敏度与 77.8% PPV）。



•

确诊性检测 （针对初筛偏高人群）：PPV 高达 96.7%，特异度达 90.9%，灵敏度达 78.4%，优于门诊复测，更可比肩需佩戴数天的家庭连续袖带监测。



IT之家获悉，该项研究成果已为谷歌健康应用中的血压趋势“健康守护”功能提供核心技术支撑。

[来源链接] https://www.ithome.com/1/023/788.htm