医工学人评论
图片来源： 医工学人
26日，《自然》杂志在线发表基于光电容积脉搏波描记（PPG）技术和运动传感器开发的自动检测脉搏丧失事件（如心脏骤停）的AI系统。一旦佩戴者发生心脏骤停，经系统确认后确实存在脉搏丧失，智能手表会通过震动、声音和视觉提示提醒佩戴者。如果佩戴者未能在规定时间内做出反应，系统会自动拨打急救电话，并将位置等信息发送给相关急救中心，确保第一时间启动救援。
图1 脉搏丧失检测算法概述。（a）时间线展示了检测序列，最终触发急救服务呼叫。该算法包含两个初始阶段，用于识别脉搏到无脉的过渡。随后是用户面对的提示，包括震动、声音和视觉通知，邀请用户进行互动。如果用户在规定时间内未做出反应，将自动拨打急救电话。（b）设计草图展示了用户界面阶段，包括在用户响应时触发的降级流程。（c）脉搏丧失检测算法的技术细节，描述了对光电容积脉搏波和加速度计传感器数据的处理。
图片来源： 医工学人
图2 动脉阻塞引起的外周脉搏丧失与心室颤动引起的中央脉搏丧失相似，通过腕部PPG测量。（a）在电生理实验室中引发的心室颤动引起的中央脉搏丧失持续时间较短（<10秒），且包含因心脏电击而产生的伪影。（b）通过动脉阻塞引发的外周脉搏丧失持续时间较长（>60秒）。（c，d）中央脉搏丧失（c）和外周脉搏丧失（d）的频谱图相似，都显示在典型脉搏频率（40–220次/分钟）下缺乏脉搏波动。（e）在中央脉搏丧失和外周脉搏丧失之间的最大功率在这些频率范围内没有显著差异（p=0.985，Mann-Whitney U检验，双侧）。箱线图显示了两个组之间最大功率的中位数、四分位数及非异常数据点的范围，所有单独数据点也被叠加显示。
图片来源： 医工学人
尽管这项技术具有革命性意义，但与所有大规模应用的智能设备一样，最关键的问题之一就是如何避免误报。毕竟，智能手表是一个常常佩戴的日常设备，很多时候佩戴者的活动会对传感器数据产生干扰。因此，这项技术的设计上特别注重精准度和特异性，力求减少那些因日常活动或其他无害原因引起的误报警。
在这一点上，Google团队通过精确的算法设计来平衡敏感度与特异性。即使智能手表检测到脉搏丧失的信号，也要通过多个阶段的信号处理来确认这个信号是否真正符合心脏骤停的特征，从而大大降低误报率。在实际测试中，该系统的误报率不到每年一个事件，这意味着社会资源不会因误报警而被过度消耗。
为了验证这一技术的有效性，Google团队进行了大量的临床实验，涵盖了不同年龄、性别、种族和皮肤类型的参与者。在模拟实验中，研究人员通过人工引发动脉阻塞和心室颤动等脉搏丧失情况，测试智能手表的反应能力。结果表明，该系统在识别脉搏丧失的敏感性高达67.23%，而特异性则高达99.99%。
这项技术的应用前景广阔，不仅仅是帮助处理无人目击的心脏骤停，它还可以为各种急救场景提供技术支持。比如，在运动员、老年人或其他高风险群体中，穿戴这种智能设备可以实现对潜在心脏问题的早期预警，甚至在心脏骤停发生前采取干预措施。
通过这项技术的广泛应用，或许我们每个人都能在未来拥有一个“随时待命的救护员”，在突发情况下，获得及时的救援，迎来生命的第二次机会。
文章来源：医工学人
若涉及侵权，请立刻联系删除