谷歌 11月5日在《自然》发表了一项研究：只用普通智能手表的光电心率和加速度传感器，AI 就能在不用袖带校准的情况下，筛查出高血压的迹象。这套叫 AI-PPG-ACC-HTN 的系统，在 196 人的前瞻性研究里对上了 24 小时动态血压监测这个临床金标准，初筛表现超过了诊室量血压。高血压常被称为“无声杀手”，全球患者超过 10 亿，一半以上自己不知道——手表筛查瞄准的正是这个缺口。
手表怎么“看”出血压
系统不直接估算某一时刻的收缩压和舒张压数值，而是判断一个人长期、持续的高血压状态。思路分两步：先用一只一维卷积神经网络做自监督预训练，吃掉 2109 名志愿者累计 492347 小时的传感器数据，学会从 15 秒一段的光电容积脉搏波和加速度波形里提取特征；再把同一个人多日的特征取平均，抹掉动作、温度这些一时噪声，结合身高（作为动脉长度的代理指标）交给逻辑回归分类器，给出一个高血压概率分。加速度传感器在这里不只是计步，它捕捉的是心脏把血泵入主动脉时手腕的细微震动，也就是心冲击图信号。
196 人实测：两档成绩都超过诊室测量
验证在美国五个地点进行，196 名参与者都没有已知心血管疾病，也没吃降压药。初筛场景下，手表系统的灵敏度 65.8%、特异度 90.0%、阳性预测值 80.6%，同场对比的诊室初筛灵敏度只有 55.3%、阳性预测值 77.8%。确诊场景下（48 名诊室血压偏高的参与者），手表灵敏度 78.4%、特异度 90.9%、阳性预测值 96.7%，而回诊室复测的三项数字是 67.6%、63.6% 和 86.2%，多日家庭自测则是 89.2%、81.8% 和 94.3%。换句话说，手表初筛漏得比诊室少，确诊也更准，整体已接近传统袖带设备在现有临床流程里的水平。
离“手表测血压”还有几步
但作者自己强调，这是早期可行性探索，不是独立诊断，也不是任何在售产品的功能；它的定位是机会性筛查——在用户本来就戴着手表的日子里，悄悄提示高风险人群去诊所做正式检查。研究成果已经用于谷歌健康 App 的血压趋势功能 Health Guardian。手表血压这条路不只谷歌在走，苹果手表的血压提醒同样只是提醒、不是测量。接下来要看的是更大规模、更多样人群的验证，以及监管层面会不会把它当作筛查工具来审批。
