谷歌智能手表高血压检测研究登 Nature：无需袖带校准，以多天数据识别风险

据 IT之家 11 月 7 日报道，谷歌于当地时间 11 月 5 日介绍了一项发表于《自然》（Nature）的研究：名为 AI-PPG-ACC-HTN 的多模态 AI 系统，可利用普通消费级智能手表采集的被动生理数据，在无需袖带校准的情况下识别高血压迹象。它的重点不是给出某一时刻的血压读数，而是通过连续多天的数据，判断个体是否存在持续高血压状态。

不追逐瞬时读数，让 AI 从长期信号中找规律

无袖带血压检测的一大挑战，是单次收缩压、舒张压估算容易受到瞬时环境噪声影响。谷歌此次研究换了一个目标：不把每次采集都当成一次独立测量，而是聚合多天的生理特征，以降低短时波动带来的干扰。

在模型训练阶段，研究使用超过 49 万小时的无标注数据，对一维卷积神经网络（1D-CNN）进行自监督预训练，通过对比学习提取复杂的心血管生理特征。这意味着，模型学习特征的过程并不完全依赖逐条人工标注。

• 特征提取：模型从被动采集的数据中形成 15 秒片段的特征向量。
• 多天聚合：对多个日期的特征向量取均值，平滑瞬态噪声。
• 风险判断：结合用于表征动脉路径长度的身高信息，通过逻辑回归输出持续高血压的概率评分。

因此，这更接近一种持续风险识别工具，而非传统血压计的直接替代品。其输出应理解为对潜在高血压状态的判断，不能等同于一次明确的收缩压或舒张压测量。

临床试验表现如何：筛查与进一步检测需分开看

研究团队在美国 5 个临床中心开展了前瞻性、多中心试验，纳入 196 名没有心血管病史、且未服用降压药的受试者，并以 24 小时动态血压监测作为参照标准。

在初步筛查场景中，系统的特异度为 90.0%，阳性预测值为 80.6%，灵敏度为 65.8%。来源给出的门诊单次初筛对照结果为：灵敏度 55.3%，阳性预测值 77.8%。这表明系统在该试验中识别出了更多高血压个体，但仍可能漏掉部分病例。

对于初筛结果偏高的人群，确诊性检测的阳性预测值达到 96.7%，特异度为 90.9%，灵敏度为 78.4%。据报道，其表现优于门诊复测，并可与需要佩戴数天的家庭连续袖带监测相比较。不过，不同检测场景对应的人群不同，不能把较高的阳性预测值直接套用于所有手表用户。

产业解读：可穿戴 AI 的价值转向长期健康趋势

这项研究体现了可穿戴设备的一条发展路径：硬件持续收集信号，AI 再将分散数据转化为长期健康提示。相比要求用户主动完成一次测量，被动采集有望降低日常操作负担，也更能发挥智能手表长期佩戴的特点。

来源显示，该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。但这不意味着所有消费级手表已经具备同等能力，也不能据此推断其适用于服药人群或已有心血管疾病的人群。对于用户而言，这类功能更适合作为进一步检查的提醒；出现风险提示后，仍应通过规范血压测量和专业医疗评估确认。