i
Новости
Новости · 2026-11-05

Как носимые датчики выявляют признаки высокого давления

Dataist Dataist

Google Research представила систему ИИ, которая использует датчики обычных умных часов для пассивного выявления признаков высокого давления — без калибровки манжетой. Система ИИ-PPG-ACC-HTN анализирует сигналы за несколько дней и в исследовании на 196 участниках показала результаты, сопоставимые с традиционными измерениями в рамках клинического обследования. Работа опубликована в Nature; её выводы также помогли разработать функцию отслеживания тенденций артериального давления в приложении Google Health.

Обложка: Как носимые датчики выявляют признаки высокого давления

Источник: research.google

Как часы оценивают давление

Гипертонией, или высоким артериальным давлением, страдает более миллиарда человек в мире, и более половины взрослых с этим состоянием не знают о нём. Болезнь часто не даёт очевидных симптомов, поэтому её обнаруживают при случайном обследовании. Особенно заметен этот разрыв среди людей 18–44 лет: пропущенный диагноз может отсрочить раннее вмешательство и повысить долгосрочный риск инсульта или сердечной недостаточности.

Первичным способом выявления гипертонии остаётся измерение давления в клинике. Устройства без манжеты могут дополнять такие разовые измерения, но коммерческие решения обычно требуют регулярной калибровки обычной манжетой. Поэтому они отслеживают изменения относительно исходного показания, а не определяют, есть ли у человека гипертония.

ИИ-PPG-ACC-HTN устроена иначе: она не пытается оценить отдельное систолическое или диастолическое показание, на которое могут повлиять временные условия. Вместо этого система накапливает физиологические сигналы за несколько дней и оценивает устойчивое состояние человека. Для этого используются два датчика умных часов:

Фотоплетизмографический датчик (PPG) измеряет отражённый свет и отслеживает изменения объёма крови у запястья, фиксируя форму пульсовой волны.
Акселерометр (ACC) распознаёт периоды неподвижности и регистрирует баллистокардиограмму (BCG) — слабые колебания запястья, возникающие, когда сердце выталкивает кровь в аорту.

Сигналы обоих датчиков преобразуются в векторные представления формы волны. Затем их объединяют по дням в представление, описывающее человека; вместе с ростом пользователя оно поступает в модель, которая оценивает состояние его давления.

Два этапа обучения

На первом этапе исследователи обучили одномерную глубокую свёрточную нейросеть методом самообучения с сопоставлением примеров. Для этого использовали 492 347 часов данных датчиков от 2 109 участников, давших согласие на исследование. Модель сближала в скрытом пространстве перекрывающиеся 15-секундные фрагменты PPG и ACC, полученные у одного человека. Так она училась находить особенности сосудистой и механической работы сердца без ручного подбора признаков и медицинских меток.

На втором этапе 15-секундные фрагменты усредняли за несколько дней ношения часов. Это помогало сгладить кратковременные помехи, например внезапные движения или изменения температуры. Полученное представление объединяли с ростом человека, который служил косвенным показателем длины пути артерий, и передавали регуляризованной логистической регрессии. На выходе получали непрерывную оценку вероятности гипертонии.

Проверка в клиническом исследовании

Систему проверили в проспективном многоцентровом исследовании на пяти площадках в США. В нём участвовали 196 человек с разными характеристиками, у которых не было известного сердечно-сосудистого заболевания и которые не принимали препараты от давления. Результаты часов сравнивали с суточным амбулаторным мониторированием артериального давления (ABPM) — клиническим стандартом диагностики гипертонии. Исследователи оценивали два сценария: первичный скрининг и подтверждение диагноза.

При первичном скрининге чувствительность системы составила 65,8%, специфичность — 90,0%, а положительная прогностическая ценность (PPV) — 80,6%. Для первичного измерения давления в клинике чувствительность составила 55,3%, а PPV — 77,8%.

При подтверждающем тестировании исследователи рассмотрели 48 участников с повышенным давлением при первичном измерении в клинике. Чувствительность часов составила 78,4%, специфичность — 90,9%, PPV — 96,7%. Повторное измерение в клинике показало более низкие значения: чувствительность 67,6%, специфичность 63,6% и PPV 86,2%. Многодневное домашнее наблюдение дало чувствительность 89,2%, специфичность 81,8% и PPV 94,3%.

Источник: research.google

В целом результаты системы оказались сопоставимы с показателями традиционных устройств с манжетой в рамках существующей клинической практики.

Какие сигналы связаны с риском

Исследователи сравнили усреднённые пульсовые волны людей с самыми высокими и самыми низкими оценками вероятности гипертонии. При более высоких оценках ширина пульсовой волны была немного меньше: это указывает на меньшие изменения объёма крови и может быть связано с более жёсткими артериями, которые хуже расширяются.

Высокие оценки также соотносились с более медленным начальным подъёмом систолической части волны и меньшим отношением d/a. Этот показатель сопоставляет первую волну пульса с отражённой волной, возвращающейся от сосудистой системы. Кроме того, акселерометр фиксировал отличия в баллистокардиограмме: у людей с более высокими оценками наблюдались более глубокие K-волны и более широкие комплексы IJK.

Источник: research.google

На графиках исследователи показывали средние пульсовые волны, сигналы акселерометра и первую и вторую производные пульсовой волны для четырёх групп участников с наиболее крайними оценками ИИ-PPG-ACC-HTN. Были отмечены характерные точки сигналов: начало пульса, систолический пик, дикротическая выемка и диастолический пик в PPG; волны H, I, J, K, L, M и N в BCG; а также волны a, b, c, d и e во второй производной PPG.

Раннее исследование, а не диагноз

Разработчики не предлагают заменять часами стандартные измерения манжетой или использовать их как самостоятельный способ постановки диагноза. Работа оценивает раннюю осуществимость пассивного скрининга: часы могут помочь заметить признаки риска и подтолкнуть человека обратиться в клинику для полноценного обследования. Авторы подчёркивают, что методы исследования носят экспериментальный характер и не описывают существующую или будущую коммерческую функцию либо возможности устройства.

В исследовании участвовали Google Research, медицинский центр Beth Israel Deaconess и Harvard Medical School. Среди соавторов работы — Лоуренс Кай, Цзян Ву, Минъу Гао, Бхавна Дарьяни, Джонатан Ван, Уткарш Кханна, Хо Ко, Анупам Патхак, Марк Малхотра, Шветак Пател, Жаклин Б. Шрайбати, Стивен П. Джурашек, Прамод Рудрапатна и Мэтью Томпсон. Среди ключевых участников проекта названы Дженнифер Блок, Ану Габбита, Сушалини Сунку, Киртхана Натараджан, Александрос Пантелопулос, Туан Фан, Трейси Гист и Флоренс Тнг.

По оценке Dataist, исследование показывает, как датчики уже имеющихся умных часов могут использоваться для поиска людей, которым стоит пройти клиническую проверку. Но результаты пока подтверждают потенциал скрининга, а не возможность заменить измерение давления манжетой или поставить диагноз без врача.

Axiom Math не хочет пускать ИИ-шлак в математику Почему выбор ИИ-модели стал инфраструктурным решением Dropbox покупает Tigris Data за $350 млн, чтобы укрепить инфраструктуру для ИИ Он зарабатывает на троллинге ИИ-лабораторий. Теперь все хотят с ним работать Австралийцы пока не ощутили пользы от ИИ и дата-центров — выборы в США показали, что они могут стать политическим криптонитом Эксклюзив: смарт-кольцо Aina хочет стать пультом для вашего ИИ-агента Apple урезает внутренние бюджеты на ИИ и планирует сокращать их дальше Поиск новых лекарств отнимает много труда. Этот ИИ-стартап пропускает лабораторные испытания Стартап из Y Combinator выделил $1 млн на решение пяти нерешённых задач материаловедения с помощью ИИ Следующий фокус ИИ? Заговорить с дельфинами Agility — первая публичная компания, целиком посвящённая человекоподобным роботам. Купите её акции? Активисты по всей Европе готовятся к двухдневным протестам против дата-центров Парламентское расследование: зависимость Великобритании от Китая в поставках критически важных минералов для обороны и ИИ названа «опасной» Бывшие сотрудники Google заявили, что их новая модель Ripple-65B Preview под Apache 2.0 лидирует среди открытых моделей США в двух крупных тестах кодирования Meta купила стартап Conductor, разрабатывающий ИИ для программирования Синяя волна заставила технобратьев искать место для дата-центров в космосе OpenAI уже пытается повлиять на выборы 2028 года Гонка ИИ раздувает расходы на графические процессоры, память и ПО Предвыборные страшилки: крупнейшие партии Виктории обменялись выпадами из-за ИИ-роликов с лидерами в политической рекламе Крупнейшая сеть суперкомитетов в поддержку ИИ почти не повлияла на промежуточные выборы

Ежедневные новости об ИИ

Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.

Только важное — каждый день

В Telegram