全文概要
一项由多伦多大学健康网络（University Health Network）Peter Munk 心脏中心研究者主导、发表于《自然·医学》（Nature Medicine）的研究显示，借助 Apple Watch 等消费级智能手表持续监测心衰患者的心率、活动与血氧，配合 AI 模型转化为每日"心肺适能"估计值，可提前数天甚至数周捕捉心衰恶化趋势。研究随访 217 名心衰患者，每日适能下降 ≥10% 与非计划就医风险升高 3 倍以上相关，且模型估计值与金标准运动试验高度一致，并在独立美国队列中验证了跨平台泛化能力。

2026年9月9日资讯，一项由多伦多大学健康网络（University Health Network）Peter Munk 心脏中心研究者主导、发表于《自然·医学》（Nature Medicine）的研究显示，借助 Apple Watch 等消费级智能手表持续监测心衰患者的心率、活动与血氧，配合 AI 模型转化为每日"心肺适能"估计值，可提前数天甚至数周捕捉心衰恶化趋势。研究随访 217 名心衰患者，每日适能下降 ≥10% 与非计划就医风险升高 3 倍以上相关，且模型估计值与金标准运动试验高度一致，并在独立美国队列中验证了跨平台泛化能力。

1. 研究思路：把"偶发就诊"变成"持续对话"

心衰患者常处于稳定期与急性失代偿的交替之中，而常规门诊随访难以及时捕捉日常生活中的细微恶化。TRUE-HF（Ted Rogers Understanding Exacerbations of HF）研究让 217 名心衰患者连续佩戴消费级智能手表三个月，监测心率、活动量与血氧饱和度，并通过 AI 模型将这些日常信号转化为每日"心肺适能"估计值——衡量心肺协同工作能力的指标。相较传统"偶发式"的临床检查，这种持续数据流将监测窗口延伸到了患者真实的生活场景。

2. 关键发现：适能下降 10% 即预警

研究显示，每日适能估计值下降 10% 或以上，与非计划医疗资源使用的风险升高 3 倍以上显著相关，为主动干预提供了可操作的触发阈值。同时，模型估计值在研究开始与结束时均与金标准运动试验（峰值摄氧量）高度吻合，表明可穿戴设备能够在真实世界条件下近似临床测量。研究还在一独立美国队列中完成了跨设备、跨平台的验证。

3. 落地价值与待解问题

该研究隶属 TRANSFORM HF 协作倡议，旨在将数字健康整合进真实世界心衰管理。若得到大规模验证，这种"可穿戴 + AI"模式有望实现从"被动应对"到"前瞻照护"的转变——医生可在患者病情恶化前调整药物、随访或运动处方，减少急诊与住院。但如何把预警接入日常工作流、由谁处理告警、如何避免"告警疲劳"，仍是规模化落地前必须回答的问题。

来源：《自然·医学》（Nature Medicine）、University Health Network / Peter Munk Cardiac Centre

解螺旋科研助手企业微信二维码，扫码添加免费领取科研资料礼包，包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。