智慧醫療 · global
從腕間訊號找出高血壓:AI手錶篩檢展現潛力,仍漏掉約三分之一病例
一項196人參與的前瞻性研究顯示,免袖帶校正的智慧手錶系統,辨識高血壓的表現與診間初篩相近。它可能讓更多尚未察覺風險的人走進診間,但尚不足以單獨確認或排除高血壓。
高血壓往往沒有明顯症狀,許多人直到偶然量測,才知道自己的血壓長期偏高。若日常佩戴的手錶能辨識風險,篩檢便有機會走出診間。一項新的前瞻性臨床研究,為這個構想提供了初步證據:AI分析腕間感測訊號的表現,與傳統診間血壓初篩相近,但距離可靠地找出所有患者,仍有明顯缺口。
《Nature Medicine》11月19日刊出的研究焦點,介紹的是11月5日發表於《Nature》的研究。團隊由Google研究人員與臨床合作者共同組成,採用消費型智慧手錶既有的感測器,探索如何找出可能尚未被診斷的高血壓,而不必先用袖帶血壓計替系統校正。
這套方法輸出的是高血壓機率,並非某一刻的收縮壓與舒張壓數字。光學感測器記錄腕部微血管血容量隨脈搏變化的訊號;加速度計則協助辨識靜止時段,並捕捉心臟射血帶來的細微震動。AI彙整多日訊號,再納入佩戴者身高,降低短暫動作等干擾對判讀的影響。
據Google Research說明,模型的前期訓練使用了2,109人、近50萬小時的感測資料;臨床驗證則另外在美國五個據點招募196名參與者,他們沒有已知心血管疾病,也未服用降血壓藥物。參與者接受七天日常手錶監測,研究再以24小時動態血壓監測作為判定高血壓的參考標準,同時比較診間量測的表現。
在初篩情境中,手錶系統的敏感度為65.8%,診間量測為55.3%;兩者的特異度均為90%。敏感度反映找出真正患者的能力,特異度則反映正確排除非患者的能力。手錶雖然在數值上辨識出較多病例,差異並未達統計顯著,因此不能據此宣稱它優於診間篩檢。
換個角度看,65.8%的敏感度也代表,系統仍會漏掉約三分之一的高血壓病例。沒有被標記,不能解讀為血壓正常;而90%的特異度,也意味著部分沒有高血壓的人可能收到風險提示。這些結果支持它作為引導進一步檢查的工具,尚不足以承擔獨立診斷的角色。
研究也分析了48名初次診間血壓偏高者。Google Research報告,在這個較小的確認檢測子群中,手錶系統的敏感度為78.4%、特異度為90.9%,陽性預測值達96.7%。不過,這群人已經由診間初篩挑出,與一般佩戴者的風險組成不同;其中的高陽性預測值,不能直接套用到大眾族群。
這項研究的意義,在於驗證了從日常訊號尋找持續性高血壓線索的可行性。要走向廣泛應用,仍須在更大、更多元的人群中確認表現,並釐清風險提示能否帶來實際就醫與診斷。研究團隊也強調,這仍屬早期可行性研究;腕間訊號能否改善心血管健康,關鍵還在提示之後能否接上正式的血壓評估與照護。