Google Research 喺 2026 年 11 月 5 日於 Nature 雜誌發表研究，推出 AI 系統 AI-PPG-ACC-HTN，用智能手錶上已啟用嘅 PPG（脈搏血容量）同 ACC（加速度計）感測器，跨多日被動偵測高血壓跡象（signs of high blood pressure），全程唔需要傳統臂帶校準。
高血壓被稱為「沉默殺手」，全球超過 10 億人受影響，但逾半數成年患者根本唔知道自己有。因為冇明顯症狀，多數只靠偶然篩檢先發現。18 至 44 歲年輕群體最嚴重，延誤診斷會推遲早期介入，增加中風同心力衰竭等心血管風險。
現有免臂帶穿戴裝置多數要定期用傳統臂帶校準，所以只能跟隨基準讀數嘅相對變化，辨唔到絕對嘅高血壓狀態。呢個研究最關鍵嘅，係將問題重新定義：唔再逐個時點估算收縮壓同舒張壓（數值太易受環境噪音影響），改為跨多日積聚被動生理特徵，辨識個人長期處於高血壓狀態嘅概率分數。
技術上，團隊用 1-D 深度卷積神經網路配合自監督對比學習（self-supervised contrastive learning），喺 492,347 小時、2,109 名自願參與者嘅無標籤感測資料上訓練，將同一人 15 秒嘅 PPG 同 ACC 波形喺潛空間對齊。之後各 15 秒特徵塊跨多日平均聚合，洗去突然活動、温度變化等短期噪音；聚合後嘅 embedding 再同用户身高（作動脈路徑長度嘅可靠代理）合併，輸入正則化 logistic regression 分類器，計算連續嘅高血壓概率分數。
驗證方面，團隊喺美國五個地點進行前瞻性、多中心臨床研究，對照 24 小時動態血壓監測（ABPM）呢個臨床金標準，準確度達到同傳統臂帶診斷流程相若，適用於初篩同確認兩階段。研究結果亦反映喺 Google Health app 嘅血壓趨勢 Health Guardian 功能。
模姐驗嚇貨：將現有感測器數據跨多日聚合判斷持續狀態，技術上係合理路徑，避開咗單點估值嘅噪音問題。但「無需校準」唔代表「無需醫學監督」——呢個系統識別嘅係高血壓跡象，唔係臨床診斷，真正診斷同處方都要由醫生做。
模姐｜深度調教
