谷歌AI新研究:消费级手表本地推理检测高血压,无需袖带校准

行业新闻 · 丁香 · 发布 2026-11-07 · 阅读 40

从瞬时血压到持续状态

谷歌当地时间11月5日发布博文,介绍其最新研究成果登上《自然》(Nature)。研究团队推出名为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。

官方指出,常规方案试图估算单次瞬时收缩压与舒张压,这类数值极易受瞬时环境噪声干扰。新系统转变思路:聚合连续多天采集的被动生理特征,专注识别个体潜在且持续存在的高血压状态。这一取向的差异,决定了模型不必追求单点血压读数的精度,而是把判断落在长期趋势上。

自监督预训练与多天聚合

技术路线上,系统采用自监督预训练: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。随后进入多天聚合与分类环节,将多天15秒特征向量取均值以平滑瞬态噪声,并结合身高(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。

值得关注的是,整条链路对算力的要求并不高:特征提取以15秒为粒度,聚合与分类环节仅用逻辑回归,这意味着推理可以放在手表或手机侧完成,而不必把原始生理数据持续上传云端。对开放权重与本地推理生态而言,这类轻量模型是较易落地的形态。

196人前瞻性多中心试验

为评估性能,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,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,初步筛查环节特异度达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。

确诊性检测比肩家庭袖带监测

针对初筛偏高人群的确诊性检测中,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。从数据看,系统在高特异度上表现稳定,误报控制较好,但灵敏度仍有提升空间,初筛阶段尤其明显。

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。若后续在更大样本与更多设备形态上验证,消费级手表有望承担高血压初筛入口的角色,把部分门诊复测需求前移到日常佩戴场景。

推理成本与硬件视角

从部署角度看,该系统的价值不只在算法指标。被动采集、无需袖带校准、多天聚合的设计,降低了对用户主动操作的依赖;而15秒特征向量与逻辑回归的组合,使推理成本维持在消费级硬件可承受的范围内。相比动辄需要云端大模型推理的健康应用,这种本地化路径在隐私与延迟上更具优势。

当然,原文数据也提示边界:灵敏度65.8%的初筛结果意味着仍有部分患者可能被漏过,系统定位更接近风险提示而非诊断替代。对硬件厂商而言,如何在传感器精度、佩戴依从性与模型泛化之间取得平衡,仍是开放权重方案落地前的现实课题。

来源:IT之家