加个AI功能，旧款智能手表就能测血压？

本文由虎嗅旗下健康与抗衰公众号“九叶刀研究”首发，全文约2000字。封面图来自Tom's guide。

如果科技公司用AI让你的旧款智能手表拥有“监测血压”的新功能，那你要不要试试？

本月初，谷歌研究团队在《自然》杂志发表了一篇论文^{[1] [9]}，试图通过AI识别血压异常的人，来看看他们是怎么做的，到底有没有用。

AI怎么“监测血压”？

谷歌的AI监测血压技术，不依靠新硬件（比如带气囊的腕带智能表），本质是“旧瓶装新酒”，该技术贯穿始终的重点是：数据。

收集数据：用什么测？

谷歌的逻辑是：对于那些处于血压异常临界点的人群来说，未必持续出现血压异常问题，而像医院或者家庭那种袖带式血压计仅能单次测量，未必能及早发现潜在异常人群，而连续测量就很好地弥补了这一点。^[2]

无论是传统袖带式血压计，还是带气囊的腕带式智能手表，都无法连续测量和收集数据，而智能手表和手环又不具备测血压功能，怎么办呢？

谷歌给出的解决方案是，不增加新零件，而直接利用现有的智能手表传感器来收集连续数据。

一个是光学传感器。 利用其PPG（光电容积描记法）功能，即对着皮肤发射光线，根据光线吸收情况，得到人的脉搏节律信息；

另一个是加速计。 利用其任意方向的感应功能，收集人的每次心跳时身体产生的微小反冲，收集“心冲击信号”（ballistocardiogram）。

不过，目前的AI仅支持谷歌自家的Pixel Watch 3及更新型号，尚不支持Fitbit手环和第三方设备。

Google Pixel Watch 3背面光学传感器，图源丨Tom's guide

处理数据：怎么测？

用户每个月需要连续佩戴5天，每天连续测量8小时，谷歌以此收集了2109名参与者长达492347小时的数据，然后进行处理。

第一步是进行预训练，目的是在没有个体标签的情况下，让AI判断哪些数据来自同一个人。

第二步是推断异常情况。在佩戴几天之后，将得到的平均值，加入个人身高数据，让AI得出使用者的血压有异常概率。

这种方法的优势是，无需24小时动态检测仪，也没有临床医生跟随，收集数据的成本低，效率高，且干扰信息少，便于快速训练数据。^[3]

可能细心的读者已经发现了，AI不会像传统血压计那样输出确切的收缩压/舒张压数值，它给出的是“血压异常的概率”。一旦AI认为血压有异常趋势，会提示当事人去医院检查和确诊。

给出结论：够准吗？

谷歌论文提供的数据显示，在大部分情况下，智能手表+AI模型能更好地检测出潜在患病者，减少漏诊（即灵敏度较高）；也能更好地排除健康人群，避免误诊（即特异性更好）。

具体数据如下：

智能手表+AI VS. 诊室检测血压灵敏度等信息，数据丨参考文献[1] ，九叶刀使用AI制图

你可能已经发现了，在确认性检测中，如果使用袖带式血压计多次居家监测，效果要反超智能手表+AI，但代价是出现更多误诊。

不过，无论是谷歌官方还是媒体评论都认为，与传统诊室测量血压，智能手表+AI的优势仍然没有明显的统计学显著性。

这技术有什么用？

肯定有人质疑，AI整了这么多花活儿，最后连个血压值都给不出，优势也不明显，要它有什么用呢？

在当前的技术条件和监管环境下，谷歌的研究的用途有两个：

更早发现。 谷歌这项研究的最大用途，就是越过传统血压计的能力边界，更早发现血压异常人群，促使他们更早关注健康。谷歌也表示，血压异常的人，其实有超过一半都没有知觉，18-44岁的人往往会忽视血压问题，而他们研究AI模型的目的，就是从中发现这些人。

更便捷监测。 懒惰是人类科技发展的动力，测血压也不例外。而AI筛查的优点是，不用再多花钱，通过现有可穿戴式智能健康工具测量；也不用做什么特殊动作，只要戴着就能实现连续检测，没什么感觉就能计算血压异常的概率。

什么时候能用到？

其实，使用智能手表测量血压，并非谷歌首创，苹果Apple Watch在2025年9月就已经上线了类似功能，名叫“高血压通知”（Hypertension Notification Feature，HTNF）^[4]，它们的共同特点是：

• 都放弃了实时测血压数据，反正也竞争不过袖带式血压计；

• 都使用智能手表采集多日数据，然后用AI训练和分析数据；

• 都关注准确率（高特异性），即“宁可漏报，但不误诊”；

但在具体采集数据和输出结果方面，谷歌和苹果有不少细节差异，这里用表格做个对比：

苹果与谷歌的血压监测技术对比，制表丨九叶刀研究

苹果的血压检测功能已经获得FDA批准上线^[5]，而谷歌的研究虽然是对标苹果，实验设计理念明显进行了优化，但仍停留在论文阶段。

目前，苹果的高血压通知功能仅在美国获得批准，中国还未上线，但已经被研究者指出有敏感性较低、不同人群表现不明确等问题。^[6]

而谷歌这篇论文尚在初步研究和验证阶段，存在样本量太少、缺乏真实世界数据等明显点缺陷，未来什么时候上线谷歌版血压检测功能，要看后续是否给出更有说服力的研究和论文数据，以及监管什么时候批准。

并非金标准

值得一提的是，谷歌这篇论文虽然发表在顶刊《自然》，但也不是毫无争议，比如在外审期间，有同一位审稿人连续两轮都建议拒稿^[7]，但最终还是发表了，所以也不必因为发表刊物权威，就偏听偏信。

智能手表监测血压，优点是监测方便，并能及早发现异常。但缺点很明显：基于PPG和加速计收集的数据，干扰噪声太多，测量出来的数据不够精确。

所以，美国心脏学会明确反对用无袖带设备做诊断或治疗决策^[6]（谷歌自己也明确声明，不会取代袖带式血压计），而FDA的指南草案至今也没有正式颁行。^[8]

其实谷歌还曾发表过很多基于AI技术的健康研究，比如：

• 通过手机摄像头（而非智能手表传感器）进行的无创心率监测；^[10]

• 使用AI连续检测血糖情况；^[11]

• 使用超声波AI来计算孕期。^[12]

这些与血压监测在技术上的共同点是：通过消费级传感器获得数据，参考真实数据加以验证，对使用者进行健康筛查，促使人们更早关注健康。

AI技术不是万能的，它不是金标准，也无法取代金标准，它有可能帮助人类在无感的情况下更早发现血压异常，且只能止步于此。

剩下的还得交给医院和医生。

本文仅作为论文和技术解读，不构成任何投资和医疗建议。

参考文献

[1] Di Achille, P., Cai, L., Wu, J. et al. Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch. Nature (2026). https://doi.org/10.1038/s41586-026-11336-3

[2] Paolo Di Achille, Ming-Zher Poh. Detecting signs of hypertension using wearable sensors. Google. 2026.11.5. https://research.google/blog/detecting-signs-of-hypertension-using-wearable-sensors/

[3] Yash Thakker. Google AI Flags High Blood Pressure From a Smartwatch, No Cuff Needed. ExplainX. 2026.11.7. https://explainx.ai/blog/ai-smartwatch-hypertension-google-research-nature-ppg-accelerometer-no-cuff-2026

[4] Hypertension Notification Feature on Apple Watch. Apple. 2025.9. https://www.apple.com/lae/health/pdf/Hypertension_Notifications_Validation_Paper_September_2025.pdf

[5] FDA: 510(k) Premarket Notification. 2025.9.11. https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm?ID=K250507

[6] Cohen, Jordana B., Brady, Tammy M., Juraschek, Stephen P., Juraschek, Stephen P., & Picone, Dean S.. (2026). Apple Watch for Hypertension Screening. Hypertension (Dallas, Tex. : 1979). https://doi.org/10.1161/HYP.0000000000000254

[7] Peer Review File. Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch. https://static-content.springer.com/esm/art%3A10.1038%2Fs41586-026-11336-3/MediaObjects/41586_2026_11336_MOESM3_ESM.pdf

[8] FDA: Cuffless Non-invasive Blood Pressure Measuring Devices – Clinical Performance Testing and Evaluation: Draft Guidance for Industry and Food and Drug Administration Staff(FDA-2025-D-0851). 2026.1.22. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/cuffless-non-invasive-blood-pressure-measuring-devices-clinical-performance-testing-and-evaluation

[9] Paolo Di Achille, Lawrence Cai, Jiang Wu, et al. Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch. medRxiv 2025.12.10.25341972; doi: https://doi.org/10.64898/2025.12.10.25341972

[10] Liao, S., Di Achille, P., Wu, J. et al. Passive heart-rate monitoring during smartphone use in everyday life. Nature 655, 728–736 (2026). https://doi.org/10.1038/s41586-026-10507-6

[11] Ahmed A. Metwally, Zechen Li. GlucoFM: Foundation model for continuous glucose monitoring. Google Research. 2026.8.26. https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring

[12] Willis A, Lee C, Krogue J, et al. Generalization of AI-Based Gestational Age Assessment Using Blind Sweep Ultrasonography. JAMA Netw Open. 2026;9(7):e2622484. doi:10.1001/jamanetworkopen.2026.22484