Google Research 与 Beth Israel Deaconess 医疗中心及哈佛医学院合作，公布了智能手表基于人工智能的模型可在无需袖带的情况下筛查高血压的结果。该研究于 2026 年 11 月 5 日发表在《Nature》上，使用消费级手表的脉搏波和加速度计数据，对 196 名志愿者进行为期七天的监测。与 24 小时动态血压监测对比，名为 AI‑PPG‑ACC‑HTN 的 AI 系统识别出 65.8% 符合临床高血压标准的参与者，同时正确标记出 90% 正常血压者为阴性。

ETH / USD
来源：CoinGecko。价格仅供参考。

算法工作原理

该模型将光学光电容积描记（PPG）信号与手表加速度计的运动数据相结合，跨多天聚合测量，并加入身高信息以生成高血压概率分数。不同于传统袖带设备，算法不输出具体的收缩压或舒张压数值，而是提供二元筛查结果，可触发进一步临床评估的建议。其底层波形模型在 2,109 名志愿者的 492,347 小时未标记传感器数据上进行预训练，形成广泛的生理模式基础后，再在本研究队列上进行微调。

研究设计与性能指标

研究者招募了无已知心血管疾病且未服用降压药的参与者，形成了一个高风险样本，其中高血压个体比例高于普通人群。监测期间，80.6% 的智能手表阳性筛查对应参考测试的高血压，阳性预测值约为四分之三。灵敏度置信区间为 54%–76.3%，特异性置信区间为 83.2%–94.7%。AI 仍漏检约三分之一的真实高血压病例，强调在作出诊断决定前仍需袖带测量确认。

意义与后续步骤

Google Research 表示，该技术可作为早期预警系统，在手表筛查出潜在高血压时提醒用户寻求专业评估。无袖带方式可能降低常规血压监测的门槛，尤其对很少就诊的人群有帮助。但研究受限于仅包含未接受心血管治疗的参与者，结果未必直接适用于已在使用降压药的患者。需进一步在更广泛、更多元的人群中进行试验，以验证算法在不同年龄、种族和共病条件下的实用性。

后续关注点

未来研究需解决算法的假阴性率，并探索与电子健康记录系统的集成，实现无缝随访。随着健康监测可穿戴设备向诊断功能靠拢，监管审查也将趋严。Google 已表示计划扩大测试规模，并研究持续的智能手表筛查是否能改善长期高血压管理效果。