跳到主要內容
2026-11-06 日報
研究與評測

Google Research 發表 AI-PPG-ACC-HTN:消費級智慧手錶免袖帶偵測高血壓徵兆,敏感度 65.8%、特異度 90.0%

Google Research一手來源
核實資料不足

來源為發布方或研究資料;不代表所有主張已獲獨立核實。

本次未取得足夠原文證據

Google Research 在發表於《Nature》的研究中提出多模態 AI 系統 AI-PPG-ACC-HTN,利用消費級智慧手錶既有的光體積描記(PPG)與加速度計(ACC)感測器,被動偵測高血壓徵兆,無需以傳統袖帶校正。該系統以 24 小時動態血壓監測(ABPM)為臨床黃金標準驗證,官方稱其在初步篩檢與確認性篩檢兩種情境下,準確度可與傳統袖帶診斷流程相當。研究團隊表示,相關成果已用於 Google Health 應用程式中的「血壓趨勢(Health Guardian)」功能。 系統不估算單一時點的收縮壓與舒張壓,而是以多日累積的生理特徵辨識個人持續性的高血壓狀態。技術上,模型是以自監督對比學習訓練的一維深度卷積神經網路,使用 2,109 名同意參與者共 492,347 小時的未標註感測資料;每 15 秒的 PPG 與 ACC 波形會被嵌入表示,再以多日平均聚合,並結合身高(作為動脈路徑長度的代理變數),輸入正則化邏輯迴歸分類器,輸出連續的高血壓機率分數。 在前瞻性多中心臨床研究中,共 196 名無已知心血管疾病、未服用降血壓藥的參與者接受評估。整體篩檢表現方面,智慧手錶的敏感度為 65.8%、特異度 90.0%、PPV 80.6%;同場的診間血壓初篩敏感度為 55.3%、PPV 77.8%。在 48 名診間血壓偏高者的確認性篩檢子集中,系統敏感度 78.4%、特異度 90.9%、PPV 96.7%;同一子集的回診診間血壓測量分別為 67.6%、63.6%、86.2%,多日居家監測則為 89.2%、81.8%、94.3%。 研究團隊另以視覺化方式觀察模型關注的脈搏波形,指出高風險組的脈搏寬度略窄,可能反映動脈較僵硬,但這屬於推測性解讀。需留意的是,確認性子集僅 48 人,樣本數有限;敏感度數值被描述為「中等」,研究的臨床適用性仍有待更大規模的獨立驗證。
讀原始報導

背景

光體積變化描記術(PPG)是一種光學量測方法,能透過偵測微血管床中血液體積的變化來取得生理訊號。研究界長期探討無袖帶(cuffless)穿戴式血壓追蹤技術,例如 Nature 旗下期刊的文章便討論這類裝置何時才能達到可用的準確度。

來源