ARTICLE · 1317784
【Nature】谷歌研究团队开发AI模型:消费级智能手表可识别高血压迹象
点击上方蓝字 关注「BioAI Frontier」
在消费级智能手表上机会性地发现高血压的迹象
Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch
原图版 · Nature · 2026
腕式 PPG × 加速度计 × 参与者对比自监督 × 24 小时动态血压金标准
Paolo Di Achille 第一作者 · Ming-Zher Poh 通讯（Google Research）· 2025-12-01 投稿 / 2026-10-20 接收 · 加速预览版，未见开放获取声明，插图版权归原出版方，仅作学术介绍
⏱ 30 秒读懂
01 全球约一半高血压患者不知道自己有高血压。谷歌这篇把问题从「无袖带测出血压数值」改写成「判断这个人是不是长期处于高血压状态」——用多天聚合把瞬时噪声洗掉
02 技术路线：EfficientNet-B1 编码 15 秒 PPG + 加速度波形，用「同一个人的片段应当彼此相似」做自监督预训练（2,109 人、492,347 小时无标注数据），按小时和天两次求均值得到人级嵌入，拼上身高，最后只用一个逻辑回归分类
03 196 人前瞻性 5 中心验证、以 24 小时动态血压为金标准：灵敏度 65.8%、特异度 90.0%、PPV 80.6%、AUROC 0.856；同一批人的诊室血压是 55.3% / 90.0% / 77.8% / 0.865，两者无统计学差异
04 实用结论：每天约 60 分钟有效数据、连续 ≥ 5 天后性能进入平台；阳性只作为「去做正规袖带测量」的提示，不是诊断
05 要打问号：主对照（单次诊室血压）本身灵敏度只有 54% 左右，而更强的家庭血压（亚组灵敏度 89.2%）被放在 N = 48 的探索分析里；PPV 80.6% 建立在 38.8% 的富集患病率上；消融显示加速度 + 身高只贡献 0.020 的 AUROC
核心一句话
这篇论文真正的新意不在模型架构，而在把问题从「无袖带测血压」改写成「多天聚合后判断高血压状态」——用时间换精度。
▌解决什么问题全球约一半高血压患者不知道自己有高血压，美国有 57.8% 的成人不知道自己血压没控制住，18–44 岁人群更高达 68.4%。诊室血压是目前的筛查入口，但它本身就很不灵敏。
▌怎么做不去估「此刻血压是多少」，而是判断「这个人是不是长期处于高血压状态」。用消费级手表连续采集的 PPG + 加速度波形，自监督学习出 256 维嵌入，按天聚合成一个人一个向量，再加身高，逻辑回归出一个高血压分数。全程不需要袖带校准。
▌主要发现196 人前瞻性多中心验证、以 24 小时动态血压为金标准：灵敏度 65.8%、特异度 90.0%、PPV 80.6%、AUROC 0.856；同一批人的初诊诊室血压是 55.3% / 90.0% / 77.8% / 0.865。两者在灵敏度（McNemar P = 0.17）和 AUROC（DeLong P = 0.11）上均未见统计学差异。
▌交付物一套 PPG + ACC + 身高的三件套方案（AI-PPG-ACC-HTN），以及一份把可穿戴设备放进现行筛查框架、用金标准正面比较的临床证据。数据应要求提供，代码只给伪代码。
01
导读
高血压是全球心血管病和全因死亡的头号可改变危险因素，但它几乎没有症状，大多数人是在体检或看别的病时偶然被发现的。美国预防服务工作组（USPSTF）建议成人每年筛查一次血压，然而 2024 年的一项研究显示，超过一半（57.8%）的美国成人不知道自己的高血压没有得到控制；即使在过去一年里有两次及以上就医记录的人中，这个比例仍有 51.8%。在 18 到 44 岁人群中，未知晓率高达 68.4%——恰恰是就医次数最少的那一群人。
把这个缺口补上的一个自然想法，是用已经戴在几亿人手腕上的设备。PPG（光电容积脉搏波）反映心血管状态这件事从 1937 年就有人写过，但把它变成可靠的、免校准的血压监测却一直很难：多数腕式血压方案需要用袖带给每个人做个体化校准，本质上追踪的是相对于校准点的血压变化，而不是绝对血压。更麻烦的是，PPG 波形对温度、佩戴松紧、手腕姿势和运动伪影都很敏感。
近年已经有基于深度学习的免校准高血压二分类研究，甚至有一款 PPG 手表高血压筛查功能通过了 FDA 审批。但这些研究有一个共同短板：它们大多用家庭血压作为参考标准，而不是 24 小时动态血压监测（ABPM）。家庭血压本身就会漏掉夜间高血压，用它当标尺，会让新方法的真实表现看不清楚。另外，这些方案即便用到加速度计，也只是拿它判断「人有没有在动、是不是坐着」，并没有把加速度信号本身当作血压相关的信息源。
这篇文章补的三个洞
▌参考标准用 24 小时 ABPM 作为金标准，而不是家庭血压或诊室血压
▌信号利用把加速度波形当作信息源而非门控器——腕部加速度里含有心冲击图（BCG），能提供心脏机械活动的时相信息
▌比较框架在同一批人身上，把手表与现行筛查入口（诊室血压）、与确诊工具（家庭血压）做头对头比较
02
用了什么技术、什么原理
1. 把「测血压」改写成「判断高血压状态」
这是全文的方法论支点。无袖带血压的噪声来源（温度、接触压力、手腕姿势、运动）大多是瞬时的；如果目标是「此刻的收缩压是多少」，这些噪声无法规避。但如果目标改成「这个人的基线血压是不是长期偏高」，就可以用多天、多次测量的聚合来把瞬时噪声平均掉。作者自己打了个类比：24 小时 ABPM 之所以可靠，也不是因为单次袖带测得准，而是因为它平均了几十次测量。
代价也很明确：这套系统不产生任何时间点上的血压数值，它只输出一个 0 到 1 之间的高血压概率分数。对筛查来说这够用，对用药调整和疗效监测就不够。
2. 波形编码器：参与者对比自监督
编码器是一个 EfficientNet-B1（约 510 万参数），输入是 15 秒的 PPG 波形和加速度模长波形，两者按通道堆叠。原始信号分别做 0.5–12 Hz 和 0.5–50 Hz 的带通滤波，输出 256 维嵌入。
训练方式是参与者对比学习（participant contrastive learning）：唯一需要的标签是「这段波形来自哪个人」。同一个人在不同时间采到的片段被拉到潜空间的同一片区域，不同人的片段被推开。它赌的是一件事——同一个人不同时刻的 PPG/ACC 之所以相似，是因为背后共享同一套生理结构（血管顺应性、动脉路径长度、心脏机械特性），而这些正是与血压相关的量。训练数据来自谷歌多项 IRB 批准研究中 2,109 名参与者、共 492,347 小时的无标注手表数据。
预训练(无需血压标签):
正样本对 = 同一参与者的两段 (PPG, ACC)
负样本对 = 不同参与者的 (PPG, ACC)
目标 = 同人相近 / 异人相远
下游(需要 ABPM 标签):
冻结编码器 → 取 256 维嵌入 → 人级聚合 → 逻辑回归
3. 人级聚合：两次求平均，把瞬时噪声洗掉
信号质量门：每个 15 秒片段用模板匹配算一个信号质量指数（SQI），只有 SQI > 0.5 的片段才进入模型。本研究中 76.8% 的 PPG 片段通过了这道门，按年龄、性别、BMI、肤色分层后各亚组均 > 70%。
第一次平均：把同一「一天中的某个小时」的所有片段嵌入求均值，跨天合并，得到最多 24 个「时辰嵌入」。这一步的用意是防止白天活动多、夜间片段少造成的时间加权失衡。
第二次平均：24 个时辰嵌入再求均值，得到这个人唯一的 256 维向量。
拼身高：身高做 z 标准化后拼到向量末尾，得到 257 维的人级特征。身高是动脉路径长度的代理，用来帮模型推断预期的脉搏传导时间和反射波时相。
4. 分类器与阈值：逻辑回归 + 在 90% 特异度处定点
下游分类器就是一个 L2 正则化的逻辑回归——不是又一个大模型。标签是 24 小时 ABPM 平均收缩压/舒张压 ≥ 130/80 mmHg。开发集是来自美国 44 个州的 663 名参与者，他们都做了 24 小时 ABPM 提供参考标签。
阈值的定法值得单独说：在开发集上做 10 折分层交叉验证，汇总各折预测画 ROC，然后取「在特异度 = 90% 的条件下使灵敏度最大」的那个点。这意味着后面验证集里手表、诊室血压、人口学模型三者的特异度都被对齐到 90.0%，表格可以逐行比较灵敏度——但也意味着灵敏度差异是在固定特异度这个前提下的差异。
5. 为什么加速度计有用：腕上的心冲击图
加速度信号记录了每一次心搏带动手腕产生的微小位移。在低运动状态下，这个信号就是心冲击图（BCG），包含 H、I、J、K、L、M、N 等波。BCG 与 PPG 之间的时间差就是脉搏传导时间（PTT），而 BCG 的 K 波本身反映降主动脉血流被外周阻力减速的过程——外周阻力升高和动脉弹性下降（也就是高血压的血流动力学特征）会改变 K 波形态。
6. 判定标准：三套阈值不能混用
24 小时 ABPM
高血压判定阈值 平均 SBP/DBP ≥ 130/80 mmHg
本研究角色 金标准（参考标准）
诊室血压（office BPM）
高血压判定阈值 SBP ≥ 140 或 DBP ≥ 90 mmHg
本研究角色 现行筛查入口，头对头比较对象
家庭血压（home BPM）
高血压判定阈值 SBP ≥ 135 或 DBP ≥ 85 mmHg
本研究角色 确诊工具，亚组比较对象
AI-PPG-ACC-HTN
高血压判定阈值 开发集上定的概率阈值
本研究角色 待评价的筛查工具
03
这项验证研究是怎么设计的
图1 系统总览与验证研究设计
a，手表采集的 PPG 与加速度波形经波形编码器得到片段嵌入，按时间聚合成人级嵌入，与身高一起送入高血压分类器，输出高血压分数；b，研究时间线——第 1 天完成诊室血压并戴上 24 小时动态血压计，随后 7 天自由生活，每天早晚各测两次家庭血压，手表全程佩戴（含睡眠），第 8 天复诊再测诊室血压；c，参与者流向——329 人筛查、296 人入组、196 人进入最终分析，其中 48 人进入确诊亚组分析。
研究在美国 5 个临床中心前瞻性开展，纳入 18 岁以上、没有已知心血管病史、也没有在服用降压药的人。入组按两层设计：风险富集层（既往有过血压偏高记录但未确诊、或已诊断高血压但未用药、或首访诊室 SBP ≥ 130 / DBP ≥ 80 mmHg）和低风险层。目标配比约 70% 比 30%，为的是把 ABPM 确认的患病率推到 50% 左右。年龄和肤色也各按三档约各三分之一招募。
参考标准用 ABPM50（Contec）动态血压计，白天 7 点到 23 点每 20 分钟测一次，23 点到次日 7 点每小时一次；白天时段定义为 9:00–21:00，夜间为 1:00–6:00。「完整记录」的门槛定为白天 ≥ 8 次、夜间 ≥ 4 次有效读数。家庭血压用 Welch Allyn 1700，第 2 到第 7 天每天早晚各一组、每组两次，≥ 3 天算完整。手表是 Pixel Watch 3，配置为全程记录原始传感器数据。
296 人入组，196 人（66.2%）数据完整进入分析。最终队列平均年龄 41.9 ± 16.9 岁，女性 55.6%，非西班牙裔黑人 34.2%，西班牙裔 16.8%；用比色法测得的个体类型角（ITA°）从 −71.5° 到 88.8°，浅/中/深三档肤色分别占 27.6% / 37.2% / 35.2%。手表平均佩戴 7.3 ± 1.2 天、每天 14.7 ± 3.5 小时，累计佩戴时长跨度 13 到 161 小时。按 24 小时 ABPM，38.8% 的人被判定为高血压。
04
主要结果：与诊室血压打平
图2 筛查性能
a，三条 ROC 曲线——人口学模型（浅灰，AUC 0.775）、首访诊室血压的平均动脉压（黑，AUC 0.865）、AI-PPG-ACC-HTN（绿，AUC 0.856）；b，性能随佩戴时长变化，横轴为每天累计分钟数，不同颜色为天数，实线为均值、阴影为 95% CI;c，在初筛阳性人群中用于确诊的表现——复诊诊室血压（黑，AUC 0.731）、家庭血压（蓝，AUC 0.823）、AI-PPG-ACC-HTN（绿，AUC 0.838）。
三者的特异度被对齐在 90.0%（阈值就是这么定的），所以可比的是灵敏度：手表 65.8%（95% CI 54.0–76.3） 对诊室血压 55.3%（43.4–66.7），McNemar P = 0.17；AUROC 0.856 对 0.865，DeLong P = 0.11。都是「没有检出差异」，不是「证明了更好」，也不是预设非劣效界值的非劣效检验。只用年龄、性别、BMI 的模型灵敏度只有 34.2%，说明手表确实带来了人口学信息之外的东西。
一个容易被忽略的对照：在本队列里，诊室血压高的 54 人中有 12 人（22.2%）是白大衣高血压。论文还引用了一项 15 研究的 meta 分析，其汇总灵敏度 54%、特异度 90%，与本研究观察到的 55.3% / 90.0% 几乎一致；近期的 BP-CHECK 和 IDH 研究中诊室血压灵敏度分别是 31% 和 61%。换句话说，手表是在和一个本身就很差的筛查入口比。
戴多久才够
子采样实验给出了可操作的答案：随着每天累计传感器数据增加，AUROC 上升并在每天约 60 分钟后开始走平；随着观察天数增加还会继续提升，在 ≥ 5 天、每天 ≥ 60 分钟附近进入平台。这正面支持了「用多天聚合抵消瞬时混杂」的设计假设，也意味着这套方案不需要 24 小时连续佩戴。
在初筛阳性的人里做确诊：家庭血压仍然更强
作者还做了一个探索性分析：在首访诊室血压偏高、且家庭血压测量足够的 48 人中比较三种确诊路径（表中括号为 95% CI 略）。
手表的特异度和 PPV 最高，家庭血压的灵敏度最高。但 48 人实在太少——家庭血压特异度的 95% CI 是 48.2–97.7%，手表的阳性似然比 CI 是 1.3–56.3。作者自己也明确写了：样本量太小，不能据此下「可用于确诊」的结论。
05
模型到底在看什么
图3 不同高血压分数区间的平均波形
左上为 PPG 脉搏波（标出了起点 ons、收缩峰 sys、重搏切迹 dic、舒张峰 dia），左下为对应的加速度波形（可见 H–N 各波的心冲击图），中间为 PPG 一阶导数，右侧为二阶导数（a–e 波）；四条曲线对应高血压分数最极端的四个五分位区间（0.0–0.2 至 0.8–1.0）。
把参与者按高血压分数分组，画出各组的平均波形，差别肉眼看很细微：分数高的人 PPG 脉宽略窄，提示单次心搏引起的血容量变化更小，与动脉僵硬、血管扩张能力下降相符。真正明显的差异出现在导数上——收缩期上升支的最大斜率更低，二阶导的 d/a 比值更低（d/a 刻画反射波相对于前向波的幅度）。加速度波形这边，高分组的 K 波更深、I-J-K 复合波更宽，这与外周阻力升高导致降主动脉血流减速更剧烈的解释一致，且该模式在各年龄组中都成立。
要注意作者的一句补充：这些平均波形看上去被「抹平」了，但模型本身是在原始 15 秒片段上工作的，拐点信息并未丢失。
图4 特征重要性与可解释性
e，按 SHAP 值排序的重要特征蜂群图（蓝色为低特征值、红色为高特征值），身高排在首位，其余为嵌入维度；f，前 10 个嵌入维度与手工特征（PPG 的面积、斜率、各波比值，以及 BCG 的 J-K 幅度、I-J/I-K 宽度、脉搏传导时间等）之间的 Pearson 相关系数矩阵。
把 257 个输入对逻辑回归的贡献用 SHAP 算一遍：身高的边际影响最大——这符合它作为动脉路径长度代理的角色。但消融实验也说明，判别信息的大头在 AI 学到的特征里，身高只带来小幅提升。
更有说服力的是相关性分析：排名靠前的 AI 特征与收缩期最大斜率 r = 0.75、b-d 面积 r = −0.74、b-d 斜率 r = 0.64 强相关，与 d/a 比值 r = 0.52 中度相关（均 P < 0.001）——这些都是文献中已知与血压相关的手工特征。也就是说，模型学到的是生理上说得通的血管特征，而不是某种虚假相关。
反过来，AI 特征与 BCG 手工特征的相关只是弱到中等（如 I-K 宽度 r = −0.35）。作者的解读是：加速度通道对性能确实重要，但它的贡献可能比「提取 BCG 特征」更复杂——它也许同时充当了运动滤波器，或者捕捉了传统 BCG 特征没覆盖的心脏机械活动信息。这是个诚实但也略显含糊的说法。
06
消融与分层：每一块到底贡献多少
图5 开发集上的模型消融（10 折交叉验证）
四条 ROC 分别为只用 PPG（AUC 0.838）、PPG + 身高（0.848）、PPG + 加速度（0.849）、PPG + 加速度 + 身高（0.858）。
PPG
灵敏度（特异度≈90%） 51.9%
AUROC 0.838
PPG + 身高
灵敏度（特异度≈90%） 48.9%
AUROC 0.849
PPG + 加速度
灵敏度（特异度≈90%） 48.9%
AUROC 0.849
PPG + 加速度 + 身高
灵敏度（特异度≈90%） 54.1%
AUROC 0.858
这张表应该被认真读一遍：从 0.838 到 0.858，四个模型的 AUROC 只差 0.020，而且 95% CI 彼此大面积重叠（例如 PPG 是 0.802–0.874，全模型是 0.821–0.891）。加速度和身高各自单独加进去时，灵敏度反而从 51.9% 掉到 48.9%；只有两者同时加上才回升到 54.1%。论文正文把这归纳为「加入 ACC 和身高提升了性能」，但从数字看，这个提升是边际性的，远没有标题里 AI-PPG-ACC-HTN 这个命名所暗示的那么关键。
图6 按年龄分组的脉搏与加速度波形变化
四列分别为 30–40、40–50、50–60 和 60 岁以上；自上而下为 PPG 脉搏波、加速度波形、一阶导数和二阶导数。红色为高血压分数最高的人，蓝色为最低的人；浅色为个体曲线，粗线为组平均。
这张扩展数据图回答了一个关键的混杂问题：模型会不会只是在识别年龄？在每一个年龄段内部，高分组（红）与低分组（蓝）的波形差异方向都是一致的——说明分数捕捉的不只是年龄带来的血管老化。不过，红蓝两组的个体曲线（浅色）重叠相当多，在 30–40 岁这一列尤其明显，这与整体灵敏度只有 65.8% 是自洽的。
07
错误分析：错在哪里，错得有没有道理
图7 被模型判为阳性但 24 小时 ABPM 未达标的全部 12 人。表中列出年龄、性别，以及 24 小时、白天、夜间的收缩压与舒张压，按 ACC/AHA 与 ISH/JNC7 两套标准用颜色标注（绿=正常、黄=偏高、红=高血压）。
假阴性：26 个被模型漏掉的人里，有 17 人（65.4%）同样被诊室血压筛查漏掉。这说明漏掉的往往是「任何单一方式都难抓」的那一类。
假阳性：12 个假阳性里有 9 人（75%）按其他标准仍然达到了某种高血压定义，尤其是夜间；而且这 12 人全部的 24 小时收缩压和夜间收缩压都已经偏高。作者由此认为，这些「假阳性」更可能是早期风险人群，而不是纯粹的误报。
偏倚检查：用多变量逻辑回归预测「是否分类错误」（N = 196），纳入年龄、24 小时收缩压与舒张压、BMI、比色法肤色（ITA°）和性别，未发现任何变量与错误显著相关。
关于假阳性的那个论证需要留一点余地：如果把判定标准换成更宽松的一套（比如 ACC/AHA 的夜间 ≥ 110/65），这批人确实算「阳性」——但同样的放宽也会让更多真阴性被重新归类。用一套更宽的标准去追认另一套标准下的错误，逻辑上并不对称。
08
局限
作者自己说的
缺失数据多，且主要来自金标准一侧。296 人入组只有 196 人可分析，被排除的 100 人中 75 人是 ABPM 数据缺失或不完整——很多人没戴着它睡觉，还有一些人的 ABPM 文件因为参与者或中心工作人员在完成佩戴后误启新会话、或上传时操作失误而被覆盖清空。由于方案没有要求即刻核验数据，这些问题直到最后一次回访才被发现，已无法补测。
夜间采样频率偏低。夜间每 60 分钟测一次（平均只有 5.0 ± 1.3 次读数），提高到 20–30 分钟可以提升夜间血压估计的精度，但作者为了参与者耐受性和数据完整率选择了 60 分钟，并援引 AHA/ACC 与 ESH 指南说明这是被允许的。
只做了一次横断面评估。本研究只在一个时间点与 24 小时 ABPM 对照，没有评估模型对血压变化（如开始治疗或生活方式干预后）的响应性。
人群范围受限。刻意排除了已有心血管病和正在服用降压药的人，因此该系统在疗效监测、已确诊高血压管理中的价值尚不明确；也需要在更大、更具全球代表性的人群中验证。
参考标准本身有噪声。单次 24 小时 ABPM 的重复性有限，这种标签噪声会给任何诊断工具的可测一致性设一个天花板；而重复 ABPM 因依从性问题在实践中往往不可行。
缺少随机对照试验。需要 RCT 来证明这套系统确实能发现更多本会漏诊的患者，并最终改善结局。
我会追问的
对照选得太宽容，真正该比的对象被放在了亚组里。全文的核心比较是「手表 vs 单次诊室血压」，而作者自己引用的 meta 分析显示诊室血压的汇总灵敏度只有 54%,BP-CHECK 里更是只有 31%。与此同时，表 3 显示家庭血压在确诊亚组的灵敏度是 89.2%，远高于手表的 78.4%——而家庭血压同样便宜、同样不需要去医院。把最强的对照放在 N = 48 的探索性亚组、把最弱的对照放在主结果里，这个安排值得读者自己掂量。
三者特异度都正好是 90.0%，这不是巧合，而是设计的产物。阈值是在开发集上按「特异度 = 90% 时灵敏度最大」选定的。于是表 2 的灵敏度差异是在这个特定工作点上的差异。如果反过来把诊室血压的判定阈值调到与手表相同的灵敏度，谁的特异度更高？论文没有报告。另外 McNemar P = 0.17、DeLong P = 0.11 都是阴性结果，不能读成「证明了等效」——全文没有预设非劣效界值。
PPV 80.6% 是风险富集队列的产物。队列设计就是为了把患病率推到 50% 左右（实际 38.8%），68.4% 的人来自风险富集层。PPV 直接依赖患病率，论文用一句「期望 PPV 取决于部署人群的患病率」带过，但没有给出在一般人群患病率（比如 10–15%）下的换算。按同样的灵敏度和特异度，患病率降到 12% 时 PPV 会掉到 47% 左右——这对「全人群机会性筛查」这个定位是关键数字，应该写进正文。
消融结果与系统命名不太匹配。扩展数据的交叉验证里，纯 PPG 模型 AUROC 0.838，加上加速度和身高后是 0.858，差 0.020 且置信区间大幅重叠；单加加速度或单加身高时灵敏度反而下降。这套系统叫 AI-PPG-ACC-HTN，但数据支持的说法更接近「以 PPG 为主、ACC 与身高小幅加成」。另外交叉验证图上标注的 n = 572，与表 1 中开发集的 663 人对不上，文中没有解释这 91 人的去向。
开发集与验证集的人群构成差异很大。非西班牙裔亚裔从开发集的 25.9% 掉到验证集的 3.1%，深肤色从 21.1% 升到 35.2%，高血压患病率从 25.5% 升到 38.8%。作者用 196 人、6 个自变量的逻辑回归做了错误与肤色/人口学的关联检验并报告阴性，但这个检验的功效相当有限，阴性结果不足以支撑「在各肤色上表现等同」的结论。缺失的 100 人也只比对了年龄、性别、BMI 和诊室血压，没有比对肤色和手表数据量。
可独立验证性很低。数据「应要求提供」，代码只有补充材料里的伪代码，模型权重不公开，设备绑定 Pixel Watch 3，研究由 Alphabet 资助，全部作者为 Alphabet 雇员，三位作者已就本研究提交专利申请。文中也未见临床试验注册号。这些单独看都合规，合起来意味着外部团队目前无法复现或独立评估这套系统——对一个意在面向数亿用户推送健康提示的工具来说，这个门槛值得被讨论。
09
对实践的意义
定位要说清楚：作者反复强调这不是诊断设备，阳性结果的作用是提示用户去做正规的袖带测量。在这个定位下，90% 的特异度比 65.8% 的灵敏度更重要——假阳性泛滥会挤占医疗资源。
做类似研究的人可以抄的三件事：用金标准而不是便利标准（ABPM 而非家庭血压）；把阈值固定在一个有临床含义的工作点上再比较；头对头，同一批人同时测所有对照手段。
自监督 + 人级聚合这个范式可以迁移：在任何「单次测量噪声大、但个体状态稳定」的场景（血糖趋势、肾功能、心衰代偿状态）里，这个「两次求平均 + 冻结编码器 + 极简下游分类器」的结构都值得试。注意它的下游只是一个逻辑回归——这篇论文的价值几乎全在表征和聚合，不在分类器。
不要把它当血压计：它不输出任何时刻的血压数值，所以无法用于用药滴定、无法评估治疗反应，也没有在服药人群里验证过。
技术速览一卡通
▌任务从消费级智能手表的腕部波形判断一个人是否处于高血压状态（二分类），不做血压数值估计，不需要袖带校准
▌输入15 秒 PPG（带通 0.5–12 Hz）+ 加速度模长（0.5–50 Hz）按通道堆叠，外加 z 标准化身高
▌编码器EfficientNet-B1，约 510 万参数，输出 256 维嵌入；参与者对比自监督预训练（2,109 人 / 492,347 小时无标注数据）
▌聚合SQI > 0.5 的片段 → 按一天中的小时求均值（≤24 个时辰嵌入）→ 再求均值 → 拼身高 = 257 维
▌分类器L2 正则化逻辑回归；开发集 663 人（美国 44 州），标签为 24 小时 ABPM ≥ 130/80 mmHg；阈值取 10 折交叉验证中特异度 90% 处灵敏度最大的点
▌验证前瞻性 5 中心研究，296 人入组 / 196 人可分析，排除已知心血管病与服用降压药者；金标准为 24 小时 ABPM
▌主要结果灵敏度 65.8% / 特异度 90.0% / PPV 80.6% / AUROC 0.856；同队列诊室血压 55.3% / 90.0% / 77.8% / 0.865，差异未达统计学意义
▌用量建议每天约 60 分钟有效数据、连续 ≥ 5 天后性能进入平台
▌主要疑点主对照偏弱而家庭血压更强却只在 N=48 亚组；PPV 依赖 38.8% 的富集患病率；消融显示 ACC 与身高只带来 0.020 的 AUROC 增量；代码仅伪代码、数据应要求提供
▌一句话原理瞬时混杂是随机的，血管结构是持久的——把几天的波形嵌入平均起来，剩下的就是血管的指纹
Di Achille, P. et al. Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch. Nature (2026). https://doi.org/10.1038/s41586-026-11336-3
2025-12-01 投稿 · 2026-10-20 接收 · Accelerated Article Preview（加速预览版，内容未经最终编辑校对）
第一作者 Paolo Di Achille（Google Research, Cambridge）；通讯作者 Ming-Zher Poh（Google Research）
数据：参与者人口学信息、各模态平均血压、模型分数应要求提供；UK Biobank 分析使用申请号 65275，分数将回传 UK Biobank。代码：补充材料中提供伪代码实现。
研究由 Alphabet 资助，全部署名作者为 Alphabet 雇员；P.D.、P.R.、M.P. 已就本研究提交专利申请。插图版权归原出版方，仅作学术介绍。
本文「我会追问的」部分为编者观点，不代表原作者立场。
觉得有用，点个「赞」和「在看」
转发给可能用得上的同事，是对我们最大的支持
#医学AI#可穿戴设备#自监督学习#高血压#数字健康#光电容积脉搏波#Nature#BioAIFrontier
