不戴袖带也能查高血压：谷歌让普通智能手表变成筛查工具，成果登上《自然》

量血压这件事，几十年来都绕不开一条袖带。你要么跑医院，要么在家绑上臂式血压计，测得准但麻烦；手表能测心率、测血氧，唯独血压这一项，厂商大多只敢做“趋势参考”。谷歌这次想改的，就是这个前提。

一分钟速览

• 谷歌发布多模态 AI 系统 AI-PPG-ACC-HTN，用普通消费级智能手表被动检测高血压
• 不需要袖带校准，思路从“估瞬时血压”改成“判断是否存在持续高血压状态”
• 用超过 49 万小时无标注数据做自监督预训练，模型为 1D-CNN
• 美国 5 个临床中心、196 名受试者，以 24 小时动态血压监测为金标准
• 初筛特异度 90.0%，确诊环节阳性预测值达 96.7%

它测的不是“这一秒的血压”

常规方案想做的事，是从手表的光电容积脉搏波（PPG）里反推出当下的收缩压和舒张压。问题在于，一次测量的信号太容易被环境噪声、手腕姿势、甚至刚爬完楼的心率带偏，估出来的数字抖动很大。

谷歌研究团队换了个问题：不问“你现在血压多少”，而问“你是不是长期处于高血压状态”。做法是把连续多天采集的被动生理特征聚合起来——每天取 15 秒的特征向量，跨天取均值平滑掉瞬态噪声，再结合身高（用来表征动脉路径长度），最后通过逻辑回归模型输出一个“持续高血压概率评分”。

训练数据从哪来

模型走的是自监督路线：用超过 49 万小时的无标注数据训练一个一维卷积网络，通过对比学习让模型自己去挖心血管相关的生理特征，而不是靠人工标注的血压值硬灌。这一步很关键——有标注的临床血压数据永远是稀缺资源，无标注的穿戴数据却遍地都是。

临床数据说话

研究团队在美国 5 个临床中心做了前瞻性、多中心试验，纳入 196 名没有心血管病史、也没有服用降压药的受试者，参照基准是临床金标准——24 小时动态血压监测。

结果分两段看。初筛环节，特异度 90.0%，阳性预测值 80.6%，灵敏度 65.8%，已经优于门诊单次测量的 55.3% 灵敏度和 77.8% 阳性预测值。到了确诊性检测环节（针对初筛偏高的人群），阳性预测值做到 96.7%，特异度 90.9%，灵敏度 78.4%，不仅能压过门诊复测，还能和需要连戴几天的家庭袖带监测掰手腕。

离“能用”还有多远

需要说清楚的是，这是一项研究成果，不是已经上市的诊断功能。论文里的 196 人样本量放在慢病筛查领域只能算起步，后续还需要更大规模、更多人群结构（不同肤色、不同年龄段、不同基础病）的验证。另外它输出的是概率评分，不是血压数值，医生拿到的是一个“要不要进一步检查”的信号，而不是可以直接开药的依据。

谷歌表示，这项技术已经为其健康应用里的血压趋势“健康守护”功能提供了核心支撑。换句话说，商业化路径是先做健康提醒，再谈临床辅助。

为什么这件事值得关注

高血压最大的麻烦是“没感觉”。很多人第一次知道自己血压高，是在体检或者并发症出现之后。如果一块日常戴着的表能低成本地把人群筛一遍，把高风险的人推到诊室门口，公共卫生层面的收益可能比参数本身更大。难点从来不是模型能不能跑，而是假阳性带来的焦虑和假阴性带来的漏诊，能否被临床流程消化掉。

参考来源：谷歌官方博文、《自然》论文、IT之家报道。