Google Research создала ИИ, выявляющий признаки гипертонии по смарт-часам без манжеты

Исследователи Google Research Paolo Di Achille и Ming-Zher Poh опубликовали 5 ноября 2026 года разбор нового исследования, вышедшего в Nature. Они представили мультимодальную систему ИИ под названием AI-PPG-ACC-HTN, которая пассивно выявляет признаки гипертонии по данным обычных потребительских смарт-часов и не требует калибровки тонометром с манжетой. Работа выполнена совместно с Beth Israel Deaconess Medical Center и Harvard Medical School.

Проблема в том, что гипертония поражает более миллиарда человек в мире, а больше половины взрослых с этим диагнозом о нём не знают. Симптомов у неё обычно нет, поэтому давление чаще всего обнаруживают случайно при скрининге. Особенно остро разрыв в осведомлённости выражен среди молодых взрослых 18-44 лет. Существующие коммерческие «безманжетные» устройства обычно нужно регулярно калибровать по обычной манжете, поэтому они отслеживают лишь относительные изменения от исходного замера, а не абсолютное гипертоническое состояние.

Система не пытается оценить точные значения систолического и диастолического давления в конкретный момент, они сильно зависят от кратковременных помех. Вместо этого она определяет устойчивое гипертоническое состояние человека, собирая пассивные физиологические сигналы за несколько дней. Используются данные двух датчиков, уже работающих в современных смарт-часах: PPG и акселерометра (ACC).

Обучение двухстадийное. Сначала одномерную глубокую свёрточную нейросеть обучили методом самоконтролируемого контрастного обучения на неразмеченных данных: 492 347 часов записей датчиков от 2109 согласившихся участников. Модель научилась сближать в латентном пространстве перекрывающиеся 15-секундные фрагменты PPG и ACC одного и того же человека, без ручного конструирования признаков и медицинских меток. Затем 15-секундные векторные представления (эмбеддинги) усредняют за несколько дней ношения, чтобы сгладить шум от резких движений или смены температуры. Итоговый вектор объединяют с ростом человека (надёжный косвенный показатель длины артериального пути) и подают в регуляризованную логистическую регрессию, которая выдаёт непрерывную вероятность гипертонии.

Проверку провели в проспективном многоцентровом клиническом исследовании на пяти площадках в США: 196 участников без известных сердечно-сосудистых заболеваний и не принимавших препараты от давления. Эталоном служил 24-часовой амбулаторный мониторинг артериального давления (ABPM). Оценивали два сценария: первичный скрининг и подтверждающее обследование.

В первичном скрининге смарт-часы показали чувствительность 65,8% (авторы называют её умеренной), специфичность 90,0% и положительную прогностическую ценность (PPV) 80,6%. Первичные измерения в кабинете врача дали чувствительность 55,3% и PPV 77,8%.

В подтверждающем сценарии рассматривали подгруппу из 48 участников с повышенным давлением при первом визите. Смарт-часы показали чувствительность 78,4%, специфичность 90,9% и PPV 96,7%. Повторные измерения в кабинете дали 67,6%, 63,6% и 86,2% соответственно (точечные оценки ниже). Многодневный домашний мониторинг дал чувствительность 89,2%, специфичность 81,8% и PPV 94,3%; авторы называют подход со смарт-часами конкурентоспособным по сравнению с ним. В целом, по их выводу, система выявляет гипертонию с точностью, сопоставимой с обычными манжетными приборами в существующей клинической схеме.

Чтобы понять, на что смотрит модель, авторы визуализировали усреднённые формы пульсовой волны у людей с самой высокой и самой низкой предсказанной вероятностью гипертонии. Результаты исследования помогли сформировать функцию трендов артериального давления Health Guardian в приложении Google Health.

Авторы подчёркивают: скрининг по смарт-часам не предназначен заменять клинические манжеты и не даёт окончательного самостоятельного диагноза. Это ранняя работа по оценке осуществимости, методы чисто исследовательские и не указывают на какую-либо существующую или будущую функцию или устройство. Потенциал технологии они видят в том, чтобы мягко подталкивать людей из группы риска обратиться в клинику и тем самым сократить глобальный разрыв в осведомлённости.

Ключевые факты

AI-PPG-ACC-HTN от Google Research (исследование в Nature) определяет признаки гипертонии по данным PPG и акселерометра обычных смарт-часов без калибровки манжетой, агрегируя сигналы за несколько дней.
Модель обучена без меток на 492 347 часах данных 2109 участников; на выходе логистическая регрессия по эмбеддингам и росту выдаёт вероятность гипертонии.
В проспективном исследовании на 196 участниках (пять площадок в США) против суточного ABPM: чувствительность 65,8%, специфичность 90,0%, PPV 80,6%; у первичного кабинетного замера чувствительность 55,3%, PPV 77,8%.
В подтверждающем сценарии (N=48): у смарт-часов 78,4% / 90,9% / 96,7%, у домашнего мониторинга 89,2% / 81,8% / 94,3% (чувствительность / специфичность / PPV); по чувствительности домашний мониторинг выше.
Авторы оговаривают: это ранняя исследовательская работа, не замена манжете, не диагноз и не анонс продукта.

Почему это важно

Гипертонию называют «тихим убийцей»: ею страдает свыше миллиарда человек, и больше половины взрослых с этим состоянием о нём не знают. Нынешние безманжетные носимые устройства обычно требуют калибровки по манжете и показывают лишь относительные сдвиги. Здесь же система определяет абсолютное гипертоническое состояние по пассивным данным смарт-часов и проверена против эталона, суточного мониторинга давления. Это работа в Nature, а не просто блог-пост, и её результаты уже частично повлияли на функцию Health Guardian в приложении Google Health.

Кому это важно

Врачам и исследователям, занимающимся скринингом гипертонии и носимой медициной. Разработчикам и компаниям, делающим здоровье на основе данных смарт-часов: подход показывает, как работать с устойчивым состоянием, а не с мгновенными значениями давления. Людям из группы риска, особенно молодым взрослым 18-44 лет, у которых разрыв в осведомлённости назван особенно острым.

Как это применить

Прямого применения пока нет: авторы прямо пишут, что методы чисто исследовательские и не указывают на существующую или будущую функцию продукта или устройства. Практический вывод для специалистов, идея использовать носимый датчик как инструмент «оппортунистического» скрининга: система должна мягко подтолкнуть человека в группе риска обратиться в клинику для формальной оценки. Дата выхода какой-либо функции в источнике не указана.

Можно ли доверять

Источник, блог самих авторов (Google Research), поэтому оценки подаются изнутри. В пользу достоверности: исследование опубликовано в Nature, проспективное, многоцентровое, с эталоном ABPM, и в нём честно показаны цифры, где конкурент лучше: в подтверждающем сценарии чувствительность домашнего мониторинга (89,2%) выше, чем у смарт-часов (78,4%). Ограничения: выборка небольшая (196 участников, подтверждающая подгруппа, всего 48 человек), доверительные интервалы в тексте блога не приведены, марка и модель часов не названы.

Риски и подводные камни

Чувствительность в первичном скрининге умеренная (65,8%): значительная часть людей с гипертонией, по этим данным, останется нераспознанной. В исследование брали только участников без известных сердечно-сосудистых заболеваний и без приёма препаратов от давления, так что результаты относятся именно к такой группе. Система выдаёт вероятность, а не значения давления, и не заменяет манжету или диагноз. Авторы подчёркивают, что это ранняя работа по оценке осуществимости; заявление о возможности значительно сократить разрыв в осведомлённости, это потенциал, а не доказанный результат.

«Скрининг гипертонии с помощью смарт-часов не предназначен для замены стандартных клинических манжет и не даёт окончательного самостоятельного медицинского диагноза.»

— Paolo Di Achille и Ming-Zher Poh, Google Research