Nature：用智能手表救命！谷歌华人小哥开发智能手表AI系统，监测心跳骤停并自动呼救

撰文丨王聪

编辑丨王多鱼

排版丨水成文

院外心脏骤停（OHCA）是心源性猝死的重要原因，其生存率高度依赖于立即识别和干预。然而，大约 50%-75% 的 OHCA 病例没有目击者，导致无法立即采取医疗措施，患者几乎不可能存活（存活率不足2%）。

心脏骤停的主要迹象是脉搏突然消失，考虑到时间对心脏骤停预后的重要性，自动生物传感器（例如智能手表）监测脉搏突然消失，并呼叫医疗急救，可能会提高患者的生存率，但前提是能够将假阳性降至最低（也就是减少假警报）以减轻公共应急医疗系统负担。

2025 年 2 月 26 日，谷歌研究院的研究人员（王安然等人为共同第一作者）在国际顶尖学术期刊Nature上发表了题为：Automated loss of pulse detection on a consumer smartwatch 的研究论文【1】。

该研究开发了一种可在消费级智能手表上运行的 AI 系统，该系统使用的机器学习算法能够自动监测心脏骤停迹象，如果佩戴者出现心脏骤停，它能够主动呼叫医疗急救，其监测特异性高达 99.99%，灵敏度为 67.23%，误报率极低。

王安然博士

王安然，2014 年本科毕业于北京航空航天大学，硕士和博士毕业于华盛顿大学，曾在百度、微软亚洲研究院、猿题库、Magic Leap、Sound Life Science 及 Amazon Lab126 实习，现为谷歌研究院高级研究科学家，致力于利用各种信号进行消费者健康感知和监测。

在这项研究中，研究团队评估了智能手表是否可以自动检测无脉搏事件并联系医疗急救，同时最大限度地减少假警报（降低假阳性）。

研究团队使用光电体积描记术（Photoplethysmography，PPG）和运动数据训练了一种机器学习算法， PPG 是一种基于光学原理的无创生物信号检测技术，通过测量皮下血液容积的周期性变化来获取心血管生理参数。

首先，研究团队证实，常见的心脏骤停心律失常（心室颤动）引起的中枢性无脉搏与通过止血带诱导的动脉闭塞模型的外周无脉搏在 PPG 频谱特征上无显著差异，因此，可以通过外周无脉搏事件来监测心脏骤停。

基于心室颤动和动脉闭塞的 PPG 信号的相似性，研究团队训练了一种基于外周无脉搏和自由生活条件下数据的脉搏突然消失监测算法，从而开发了一种在智能手表上运行的 AI 系统。

接下来，220 名参与者在日常生活中被动佩戴智能手表，以查看假阳性发生的频率。135名参与者在自由生活条件下（为了特异性评估）和受控环境下（为了敏感性评估）接受研究，在受控环境下，研究团队通过止血带诱导的动脉闭塞有意停止了他们的脉搏。21 名经过专业培训的特技人员模拟院外心脏骤停的突然倒地，以评估该算法在高运动状态下的准确性。

结果显示，该系统的无脉搏状态识别耗时 57 秒，随后进行 20 秒用户响应确认，在此期间，如果用户没有通过触屏终止，则触发医疗急救呼叫。

在自由生活场景下，每 21.67 用户年才产生 1 次误报，也就是说，平均一个人连续使用超过 20 年才发生一次误报，检测特异性高达 99.99%。在前瞻性动脉闭塞模拟中的灵敏度为 67.23%，其中，静止状态下的灵敏度为 72%，而在模拟院外心脏骤停的突然倒地事件时的灵敏度降至 53%，表明该系统在高运动状态下的灵敏度有待提高。

可监测心脏骤停的可穿戴设备可显著提高生存率，尤其是在无人目击的心脏骤停事件中。但为了防止因不必要的紧急呼叫而浪费公共医疗资源，必须将假阳性降至最低水平。

该研究通过创新的生理模型和严谨的算法设计，首次在消费级智能手表中实现了高特异性（99.99%）和中等灵敏度（67.23%）的脉搏突然消失监测，在识别到心脏骤停事件发生后，即使用户没有反应，也可以自动呼叫医疗急救，为院外心脏骤停（OHCA）的早期干预开辟了新途径，此外，正在真实世界中进行的智能手表数据收集可提供进一步改进，提高算法在不同条件下的准确性和可靠性，从而最大程度地减少假警报。

值得一提的是，2021 年 3 月，王安然作为第一作者兼共同通讯作者，在 Nature 旗下期刊Communications Biology上发表了题为：Using smart speakers to contactlessly monitor heart rhythms 的研究论文【2】。

研究团队开发的算法将智能音箱（苹果音响）转变为短程主动声纳系统，从而实现了利用家用智能音箱实现非接触式心律监测。