谷歌研究院AI智能手表实现无袖带高血压筛查灵敏度媲美诊所
国际学术期刊《自然》近日刊登了一项关于心血管监测技术的突破性研究。来自美国谷歌研究院的科研团队展示了一款基于消费者智能手表的高血压检测方案，该方案通过内置的人工智能系统解读传感器读数，实现了非接触式的血压异常识别。研究数据显示，这一新型系统的检测灵敏度已达到甚至超越传统诊室血压测量的标准水平。
当前，高血压已成为心血管疾病首要的危险诱因，然而临床数据揭示，超过半数成年高血压患者并未意识到自身病情。尽管现有可穿戴设备能够捕捉部分相关信号，但普遍存在传感器灵敏度不足及依赖传统袖带数据校准的缺陷。此前虽有研究指出深度学习有望破解这一难题，但缺乏以金标准血压监测为参照的严谨评估，也未与传统筛查手段进行横向对比。
针对上述痛点，谷歌研究院团队提出了一种全新的算法模型。该模型将智能手表通过光电容积脉搏波描记法获取的皮下血容量变化光学数据，结合加速度传感器记录的手腕活动特征，并引入受试者身高参数作为输入。在此条件下，系统无需借助袖带进行校准，仅通过聚合多次测量读数，即可估算个体是否患有高血压。
为了确保模型的可靠性与泛化能力，研究团队使用了规模庞大的数据集进行训练。人工智能系统吸收并分析了采集自2109人的近50万小时智能手表运行数据，并在多个独立样本队列中完成了进一步的迭代与测试。这一阶段为算法的稳定性奠定了坚实基础，使其能够应对不同个体的生理差异。
在验证环节，研究团队选取了196名受试者进行临床对比试验。实验设计严格遵循科学规范，将智能手表估算出的高血压罹患率与标准诊所血压测量值进行直接比对，并以24小时动态血压监测这一临床公认的金标准作为最终评估参照系。这种多维度交叉验证方法有效排除了单一测量手段可能带来的误差干扰。
最终测试结果显示，两套检测体系在高血压识别上表现不相上下。具体数据表明，智能手表系统发现的高血压病例数量略多于诊所袖带监测，两者的灵敏度分别为65.8%和55.3%，但该差异不具备统计学显著意义。此外，两种方法在特异性方面保持一致，均能在90%的概率下成功排除假阳性结果，证明了该技术的临床实用价值。
尽管成果显著，论文作者特别强调了应用边界。该人工智能系统旨在作为发现个人高血压早期迹象的辅助工具，而非替代传统的袖带血压监测手段。通过实现早诊断与早干预，这一技术路径有望在未来降低心血管相关事件的频发率，为公共卫生管理提供新的技术手段，推动慢性病的智能化防控进程迈向新阶段。
