在 watchOS 26 系統(tǒng)中，蘋果為其 Apple Watch 引入了“高血壓提醒”功能。據(jù)該公司解釋：

　　Apple Watch 的高血壓提醒功能利用光學心率傳感器的數(shù)據(jù)，分析用戶血管對心跳的反應情況。該算法在后臺被動運行，持續(xù)回顧 30 天內(nèi)的數(shù)據(jù)，若檢測到持續(xù)性的高血壓跡象，便會向用戶發(fā)出通知。

　　盡管這一功能遠非醫(yī)療級診斷工具，蘋果也明確表示：“高血壓提醒無法檢測所有高血壓病例”，但公司預計，該功能在推出首年內(nèi)有望提醒超過 100 萬名尚未確診的高血壓患者。

　　值得注意的是，該功能并非基于瞬時測量，而是依托于長達 30 天的數(shù)據(jù)趨勢分析。這意味著其算法關注的是長期變化趨勢，而非提供實時血流動力學讀數(shù)或估算具體的心血管參數(shù)。

　　而這正是這項新研究的切入點。需要首先明確一點：在這項研究中，Apple Watch 從未被提及，文中也未對任何即將推出的產(chǎn)品或功能作出承諾。與蘋果機器學習研究博客發(fā)布的大多數(shù)(甚至全部)論文一樣，本研究聚焦于基礎性科研及底層技術本身。

　　據(jù)IT之家了解，這篇題為《用于無創(chuàng)心血管參數(shù)監(jiān)測的光電容積描記法混合建?！?Hybrid Modeling of Photoplethysmography for Non-Invasive Monitoring of Cardiovascular Parameters)的論文提出了一種“混合方法”，即“結合血流動力學仿真與未標注的臨床數(shù)據(jù)，直接從 PPG 信號中估算心血管生物標志物”。

　　簡言之，研究人員證明：僅憑一個簡單的指端脈搏傳感器(即光電容積描記儀，Photoplethysmograph，簡稱 PPG)—— 這正是 Apple Watch 所采用的光學傳感技術(盡管信號特征有所不同)，即可估算出更深層次的心臟指標。

　　具體而言，蘋果研究人員首先獲取了一個大規(guī)模的、帶有標簽的模擬動脈壓波形(Arterial Pressure Waveforms, APW)數(shù)據(jù)集，以及另一個包含同步采集的真實世界 APW 與 PPG 信號的數(shù)據(jù)集。

　　隨后，他們訓練了一個生成式模型，使其學會將 PPG 信號映射到同時發(fā)生的 APW 上。通過這一過程，他們得以從 PPG 測量中以足夠精度推斷出 APW 數(shù)據(jù)。

　　接著，他們將這些推斷出的 APW 輸入第二個模型。該模型經(jīng)過訓練，可從 APW 中進一步推導出如每搏輸出量(stroke volume)和心輸出量(cardiac output)等心臟生物標志物。

　　第二模型的訓練依賴于模擬的 APW 數(shù)據(jù)，并配以已知的心血管參數(shù)值(包括每搏輸出量、心輸出量等)。

　　最終，研究人員為每個 PPG 片段生成多個合理的 APW 波形，分別推斷對應的心血管參數(shù)，并對結果取平均值，從而得出最終估計值及其不確定性度量。

　　在完成整個訓練流程與模型構建后，研究團隊選取了一個全新的數(shù)據(jù)集進行驗證，該數(shù)據(jù)集包含 128 名接受非心臟手術患者的 APW 與 PPG 信號，并附有相應的心血管生物標志物標簽。

　　將該數(shù)據(jù)輸入模型后，結果顯示：該方法能夠準確追蹤每搏輸出量和心輸出量的變化趨勢，盡管尚無法精確預測其絕對數(shù)值。即便如此，其表現(xiàn)仍優(yōu)于傳統(tǒng)技術，表明借助 AI 輔助建模，可以從簡單的光學傳感器中提取出更具臨床意義的心臟健康信息。

　　研究人員在論文中總結道：

　　“本研究采用一種混合建模方法，從體內(nèi) PPG 信號中推斷心血管參數(shù)。相較于因標注數(shù)據(jù)有限而受限的純數(shù)據(jù)驅(qū)動方法，我們的方法通過引入仿真數(shù)據(jù)，規(guī)避了侵入性且昂貴的標注需求，取得了頗具前景的結果?，F(xiàn)有其他心血管混合建模方法，或是在神經(jīng)網(wǎng)絡結構中嵌入物理約束，或是將傳統(tǒng)生理模型與數(shù)據(jù)驅(qū)動組件結合;而我們的方法則通過模擬貝葉斯推斷(SBI)將物理知識融入模型。(……)我們的成果有助于闡明 PPG 信號在預測心臟生物標志物方面的信息潛力，且其應用范圍可能超出本實驗所涵蓋的指標。盡管我們在監(jiān)測時間趨勢方面取得積極進展，但復雜生物標志物的絕對值預測仍具挑戰(zhàn)性，這也是未來研究的關鍵方向。后續(xù)工作還可探索 PPG 到 APW 映射的其他生成式方法，或嘗試不同的模型架構。此外，本研究中針對指端 PPG 所采用的學習策略，亦可拓展至其他模態(tài)，包括可穿戴 PPG 設備，從而為實現(xiàn)被動、長期的心臟生物標志物監(jiān)測打開大門。”

　　雖然目前尚無法確定蘋果是否會將這些技術整合進未來的 Apple Watch 產(chǎn)品中，但令人鼓舞的是，該公司研究人員正積極探索創(chuàng)新方法，力求從現(xiàn)有傳感器中提取更具價值、甚至可能挽救生命的心血管健康數(shù)據(jù)。