Google Research hat in Zusammenarbeit mit dem Beth Israel Deaconess Medical Center und der Harvard Medical School Ergebnisse veröffentlicht, die zeigen, dass ein auf Smartwatches basierendes KI-Modell den Blutdruck ohne Manschette screenen kann. Die am 5. November 2026 in Nature veröffentlichte Studie überwachte 196 Freiwillige über sieben Tage hinweg, wobei gewöhnliche Pulswellen- und Beschleunigungssensordaten von einer Consumer-Grade-Uhr verwendet wurden. Im Vergleich zur 24-stündigen ambulanten Blutdruckmessung identifizierte das KI-System – benannt als AI-PPG-ACC-HTN – 65,8 % der Teilnehmer, die die klinischen Kriterien für Hypertonie erfüllten, und klassifizierte 90 % der normotensiven Subjekte korrekt als negativ.

ETH / USD
Quelle: CoinGecko. Kurse sind Richtwerte.

Wie der Algorithmus funktioniert

Das Modell kombiniert optische Photoplethysmographie- (PPG-) Signale mit Bewegungsdaten aus dem Beschleunigungssensor der Uhr und aggregiert Messungen über mehrere Tage. Die Körpergröße wird ebenfalls einbezogen, um einen Wahrscheinlichkeitswert für Hypertonie zu generieren. Im Gegensatz zu traditionellen Manschettengeräten gibt der Algorithmus keinen spezifischen systolischen oder diastolischen Wert aus; stattdessen liefert er ein binäres Screening-Ergebnis, das eine Empfehlung für eine formelle klinische Bewertung auslösen kann. Das zugrunde liegende Wellenformmodell wurde vorab mit 492.347 Stunden unbeschrifteter Sensordaten, die von 2.109 einwilligenden Teilnehmern gesammelt wurden, trainiert, was ihm eine breite Basis an physiologischen Mustern verleiht, bevor es auf der Studiengruppe feinjustiert wird.

Studien design und Leistungskennzahlen

Die Forscher schlossen Teilnehmer ein, die keine bekannte Herz-Kreislauf-Erkrankung hatten und keine Blutdruckmedikation einnahmen, wodurch eine risikobereitete Stichprobe entstand, die einen höheren Anteil an hypertensiven Personen aufwies als die Allgemeinbevölkerung. Während des Überwachungszeitraums entsprachen 80,6 % der positiven Smartwatch-Screenings einer Hypertonie im Referenztest, was einen positiven prädiktiven Wert von etwa vier Fünfteln ergab. Die Konfidenzintervalle für die Sensitivität lagen zwischen 54 % und 76,3 %, während die Konfidenzintervalle für die Spezifität von 83,2 % bis 94,7 % reichten. Die KI verfehlte etwa ein Drittel der tatsächlichen Hypertonie-Fälle, was die Notwendigkeit von bestätigenden Manschettengemessenen Werten vor jeder diagnostischen Entscheidung unterstreicht.

Implikationen und nächste Schritte

Laut Google Research könnte die Technologie als Frühwarnsystem dienen und Nutzer dazu anregen, eine professionelle Bewertung aufzusuchen, wenn ein Smartwatch-Screening potenzielle Hypertonie markiert. Der Ansatz ohne Manschette könnte die Hürden für regelmäßige Blutdrucküberwachung senken, insbesondere für Personen, die selten eine Klinik aufsuchen. Da die demografische Gruppe der Studie jedoch begrenzt war – Teilnehmer ohne bestehende kardiovaskuläre Behandlung –, können die Ergebnisse nicht direkt auf Patienten übertragen werden, die bereits antihypertensive Therapie erhalten. Weitere Studien mit breiteren und vielfältigeren Populationen sind erforderlich, um die Nützlichkeit des Algorithmus über Altersgruppen, ethnische Zugehörigkeiten und Begleiterkrankungen hinweg zu validieren.