智能手表可以直接诊断高血压吗？

不可以。该系统主要用于筛查高血压风险，不能替代临床袖带测量或作为独立诊断。

AI-PPG-ACC-HTN 是怎么识别高血压风险的？

它结合智能手表的 PPG 和加速度计信号，通过深度学习分析多日波形模式来预测高血压概率。

这项研究的筛查效果怎么样？

在前瞻性验证中，初始筛查敏感性为 65.8%，特异性为 90.0%，阳性预测值为 80.6%。

Google 智能手表"机会性"高血压筛查登《自然》，无需袖带校准

作者：解螺旋资讯组

2026-11-06｜原创

全文概要
《自然》于 2026 年 11 月 5 日刊发 Google Research 与哈佛医学院等合作的研究，推出智能手表 AI 系统 AI-PPG-ACC-HTN，无需袖带校准即可识别高血压征兆。经 196 人的前瞻性多中心验证，其初始筛查敏感性 65.8%、特异性 90.0%、阳性预测值 80.6%，优于传统诊室筛查。

【开头配图Opening】

1. 可穿戴设备的高血压筛查新思路

2026 年 11 月 5 日，《自然》（Nature）刊发了一项由 Google Research、贝斯以色列女执事医疗中心与哈佛医学院合作的研究，展示了一套名为 AI-PPG-ACC-HTN 的智能手表 AI 系统，可在不进行袖带校准的情况下，通过被动采集信号识别高血压征兆。该系统基于消费级智能手表传感器，并以 24 小时动态血压监测（ABPM）作为金标准进行验证。

高血压被称为"沉默杀手"，超过半数患者并不自知。研究团队指出，早期干预对预防主要心血管不良事件至关重要，而当前传统诊室筛查存在漏检问题，可穿戴设备有望为人群层面的机会性筛查提供补充。

2. 技术原理：多模态波形与自监督深度学习

该系统的核心在于结合光电容积脉搏波（PPG，通过反射光测量腕部血容量变化）与加速度计（ACC，记录运动及血液泵出引发的细微腕部振动）。研究首先在 2109 名受试者的 49.2 万小时无标注传感器数据上，用一维深度卷积神经网络进行自监督对比学习；随后对每人跨越多天的波形特征取平均以降低噪声，并结合身高（作为动脉路径长度的代理指标）进行逻辑回归，估计高血压概率。

系统并非在某一时刻估算精确的收缩压/舒张压读数，而是寻找跨多日持续存在的高血压模式，从而降低偶发波动的干扰。

3. 前瞻性验证结果与临床定位

在一项覆盖美国 5 个中心、纳入 196 名无已知心血管疾病且未服用降压药受试者的前瞻性研究中，该系统在初始筛查中敏感性 65.8%、特异性 90.0%、阳性预测值 80.6%，优于初始诊室筛查的 55.3% 敏感性与 77.8% 阳性预测值；在需确证检测的 48 名受试者中，敏感性达 78.4%、阳性预测值 96.7%。

研究团队强调，这是一项探索性的可行性研究，并非取代临床袖带测量或作为独立诊断手段，其定位在于提示高风险个体主动寻求正式临床评估。该成果也已用于支撑 Google Health 应用中的血压趋势功能。