苹果研究利用AI提升心电监测精度

快速阅读: 苹果公司通过watchOS 26引入高血压通知功能，预计一年内提醒超百万未确诊患者。新研究利用PPG信号估算心脏生物标志物，展现从简单光学传感器中提取更深层心脏健康信息的潜力。

日前，我们探讨了苹果公司如何计划在AirPods中使用脑电波传感器来测量睡眠质量，甚至检测癫痫发作。现在，一份新论文揭示了该公司如何借助人工智能探索更深入的心脏健康洞察。以下是详细内容。

背景介绍

通过watchOS 26，苹果公司在Apple Watch上引入了高血压通知功能。据苹果公司解释，虽然这一功能远非医疗级别的诊断工具，且苹果也承认“高血压通知不会检测到所有高血压病例”，但预计该功能将在第一年内提醒超过100万名未确诊的高血压患者。该功能的特点在于，它不是基于即时测量，而是分析30天内的数据趋势，而非实时的血液动力学读数或估算特定的心血管参数。

从光学传感器获取更多数据

需要明确的是，在这项研究中，任何时候都没有提及Apple Watch，也没有关于未来产品或功能的声明。这项研究，如同大多数（如果不是全部）来自苹果机器学习研究博客的研究一样，侧重于基础研究和技术本身。

在这篇名为《用于非侵入性心血管参数监测的光体积描记法混合建模》的论文中，苹果提出了一种“利用血液动力学模拟和未标记临床数据从PPG信号直接估计心血管生物标志物的混合方法”。换句话说，研究人员证明了使用简单的指脉传感器（即光体积描记图，PPG），可以估算更深层次的心脏指标，而这种光学传感方式正是Apple Watch所采用的技术（尽管信号特性不同）。

研究人员首先获得了一个大规模的标记模拟动脉压力波形（APW）数据集，以及一个同步的真实世界APW和PPG测量数据集。然后，他们训练了一个生成模型，以学习如何将PPG数据映射到同时发生的APW。这使得他们能够从PPG测量中推断出足够精确的APW数据，以满足研究目的。随后，他们将这些解释的APW数据输入到第二个模型中，该模型被训练用来从这些数据中推断出心脏生物标志物，如每搏量和心输出量。这是通过用模拟的APW数据和已知的心血管参数值（如每搏量、心输出量等）配对训练这个模型来实现的。

最后，他们为每个PPG片段生成多个可能的APW波形，推断出每个波形对应的心血管参数，并对这些结果取平均值，以产生最终估计值及其不确定性度量。

研究结果

当整个训练过程和模型管道建立起来后，他们选择了一个全新的数据集，“包括128名接受非心脏手术患者的APW和PPG信号，这些信号被标记了心血管生物标志物。”经过数据处理，结果显示，该方法准确跟踪了每搏量和心输出量的趋势，尽管不是其确切的绝对值。不过，他们的方法超越了传统技术，表明辅助人工智能的建模可以从简单的光学传感器中提取更有意义的心脏健康信息。

研究人员在其结论中表示：“虽然无法确定苹果是否会将这些功能整合到Apple Watch中，但看到公司的研究人员正在寻找新的方法，从已经使用的传感器中提取更多有意义且可能挽救生命的数据，这是令人鼓舞的。”

完整研究报告可在arXiv上找到。

(以上内容均由Ai生成)