谷歌AI手表查高血压：不用袖带，准确率媲美诊室

戴了七天手表，就能发现自己可能有高血压。谷歌研究团队在《自然》杂志发表的一项研究显示，普通智能手表配合AI模型，无需血压袖带校准，就能筛查持续性高血压，准确率与诊室测量相当。这项成果11月5日见刊后，迅速成为11月7日科技圈的热门话题。

论文讲了什么

这篇题为《Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch》的论文由谷歌研究团队主导，合作方包括贝斯以色列女执事医疗中心、哈佛医学院与华盛顿大学，主要作者为谷歌研究的Paolo Di Achille与Ming-Zher Poh。研究开发的模型名为AI-PPG-ACC-HTN，它只用智能手表已有的两路信号：光电容积脉搏波（PPG，即表底绿光测心率的传感器）与加速度计，再结合佩戴者的身高，给出一个高血压概率评分。需要注意的是，它不输出收缩压、舒张压的具体数值，回答的只是“这个人是否可能患有持续性高血压”。

训练方式上，研究团队先用自监督对比学习，在2,109名志愿者贡献的492,347小时无标签传感器数据上预训练了一个一维卷积神经网络，以15秒为窗口学习脉搏波形的结构，整个过程不需要人工标注谁患有高血压。

验证结果：七天佩戴，检出率超诊室单次测量

验证环节是在美国5个地点开展的前瞻性多中心研究，招募了196名成年人，参与者均无已知心血管疾病、也未服用降压药，对照标准是24小时动态血压监测（ABPM），也就是临床上判定高血压的金标准。连续佩戴7天后，手表AI的表现为：灵敏度65.8%（95%置信区间54.0%–76.3%）、特异度90.0%、阳性预测值80.6%。作为对比，同期诊室单次测量的灵敏度为55.3%、阳性预测值77.8%。

在确认环节，48名初次诊室测量偏高的参与者中，手表确认持续性高血压的灵敏度达到78.4%、特异度90.9%、阳性预测值96.7%，优于回诊室复测（灵敏度67.6%），但仍低于连续数日家庭袖带测量的89.2%。

为什么是脉搏波形

动脉僵硬度是持续性高血压的标志，会改变脉搏波的传播速度与反射形态；加速度计则捕捉静止时刻，以及每次心跳把血液泵入主动脉时腕部产生的微振动，也就是心冲击图。研究发现，高风险人群的脉搏波形呈现脉宽略窄、收缩期上升支变缓等特征。与市面上不少需要定期用传统袖带校准的“无袖带血压”功能不同，这套系统完全不需要校准，靠的是多天被动采集的信号积累。

局限同样明显

• 样本偏小：验证仅196人，确认环节只有48人，置信区间较宽，论文的结论是“与袖带相当”而非“优于袖带”。
• 人群受限：研究只在美国5个地点进行，排除了已患心血管疾病与正在服药的人群，也未报告在不同国家、肤色与健康状况下的表现。
• 约三分之一的高血压患者仍会被漏检，设备也只用了一款未具名的手表型号。
• 没有任何监管机构的许可，模型代码、权重与判定阈值均未公开。

影响与展望

这项研究的定位是“机会性筛查”：手表在后台发现风险信号，提醒用户去做正规的袖带测量，而不是直接下诊断。全球高血压患者众多，且大量人并不知道自己患病，如果这种被动筛查能够落地，公共卫生意义不小。不过谷歌的表态相当克制，称这是“早期可行性研究”，“无意取代标准临床臂式袖带”，也不代表任何现有或即将推出的商业产品功能。

研究成果已用于启发Google Health应用中Health Guardian的“血压趋势”功能：Pixel Watch 3、4、5免费提供，Fitbit Edge与Fitbit Air则需要订阅Google Health Premium。但谷歌同时强调，该功能定位为“一般健康”，明确表示不是高血压预筛工具，不提供实时读数，孕期也不适用。在更大规模、多人群、多设备的研究结果出炉之前，它还只是一篇论文——但对智能手表从“计步心率”走向“疾病早筛”，这是一次有分量的概念验证。