跳到正文
论文与研究官方

Google Research 在 Nature 发表智能手表无袖带检测高血压的多模态 AI 研究

Detecting signs of hypertension using wearable sensors

Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN,用消费级智能手表的光电容积脉搏波(PPG)与加速度计(ACC)数据被动检测高血压迹象,无需袖带校准。系统先用 2109 名参与者共 492347 小时的无标注传感器数据做自监督预训练,再按人聚合多日嵌入向量并结合身高,用正则化逻辑回归输出连续高血压概率。在覆盖美国 5 个中心、196 名参与者的前瞻性多中心研究中,以 24 小时动态血压监测(ABPM)为金标准,初筛灵敏度 65.8%、特异度 90.0%、PPV 80.6%;在初始诊室血压升高的 48 人子集中,确认测试灵敏度 78.4%、特异度 90.9%、PPV 96.7%。作者称该工作属早期可行性研究,不替代袖带诊断,相关发现已用于 Google Health 应用的血 pressure trends Health Guardian 功能。

要点

  1. AI-PPG-ACC-HTN 用智能手表 PPG 与 ACC 数据检测高血压,无需袖带校准
  2. 初筛灵敏度 65.8%、特异度 90.0%、PPV 80.6%,对照诊室初筛灵敏度 55.3%
  3. 确认测试子集 N=48,灵敏度 78.4%、特异度 90.9%、PPV 96.7%
对你有什么影响

在 196 人、5 个中心的前瞻性研究中以 ABPM 为金标准,该手表方案初筛灵敏度高于诊室初筛,但作者明确其为早期可行性研究、不替代袖带诊断。

GGoogle Research Blog阅读原文

相关阅读

论文与研究·Microsoft Research
微软研究披露Lazarus后门技术,可重编程休眠神经元控制AI智能体
论文与研究·Google DeepMind Blog
DeepMind 用 AlphaProof Code 形式化验证 Signal 协议代码
论文与研究·NVIDIA Blog
NVIDIA 在 CoRL 发布开源世界动作模型 GR00T 2 与 Isaac Lab 3.0