无袖带血压监测是可穿戴设备领域的圣杯。一项最新研究通过AI算法分析腕部光信号，试图攻克这一难题。它不仅是技术展示，更是对临床可行性的严谨探索，为未来无感监测提供了重要依据。
智能速览
基于腕式PPG信号与CNN算法推算血压值。
以动脉内血压为金标准进行数据验证。
收缩压平均偏差约13mmHg，舒张压约8mmHg。
模型对高血压患者的预测准确性有待提升。
未来有望实现无感、连续的血压日常管理。
精华内容
这项研究的具体过程和结论如何？数据背后又揭示了哪些潜力和挑战？
严谨的验证方法
为验证算法准确性，研究纳入了87名接受电生理手术的患者。数据采集时，同步记录腕式PPG信号与动脉内血压——后者是临床测量的“金标准”。
研究将60名患者数据用于训练卷积神经网络（CNN），剩余27名则用于独立验证，确保了测试的客观性。
核心数据表现
在81名患者的最终分析中，算法共处理了6977对数据。结果显示，收缩压的平均绝对偏差为13.08 mm Hg，舒张压为8.42 mm Hg。
这个精度表明，在非高压范围内，算法有潜力提供具有临床参考价值的血压估算值。
挑战与未来
研究也指出了模型的局限性。对于血压高于140/90 mm Hg的高血压患者，算法的相关性出现了下降。这很可能与训练集中该血压范围的数据样本较少有关。
因此，未来的优化方向是扩充数据，特别是针对高血压人群，以提升模型的泛化能力和临床适用性。
该研究证明了AI+PPG技术路径的可行性，为无感血压监测打开了新的大门。尽管距离完美落地尚有距离，但它清晰地指明了未来的发展方向，让人期待更精准、便捷的个人健康管理时代的到来。
