苹果新研究：AI技术可从Apple Watch光学传感器挖掘深度心脏健康数据

12月3日，苹果公司发布的最新研究揭示了人工智能技术如何帮助从Apple Watch的光学传感器中提取更深层次的心脏健康数据，这一进展有望为可穿戴健康监测技术带来革命性的提升。根据苹果机器学习研究博客发布的论文《用于无创心血管参数监测的光电容积描记法混合建模》，研究人员开发出一种创新的“混合方法”，能够“结合血流动力学仿真与未标注的临床数据，直接从PPG信号中估算心血管生物标志物”。

这项研究的核心突破在于：仅凭一个简单的指端脉搏传感器（即光电容积描记仪，Photoplethysmograph，简称PPG）——这正是Apple Watch所采用的光学传感技术，即可估算出更深层次的心脏健康指标。这一发现为未来可穿戴设备的健康监测能力开辟了全新的可能性。研究团队采用了两阶段建模方法。首先，他们获取了一个大规模的、带有标签的模拟动脉压波形数据集，以及另一个包含同步采集的真实世界动脉压波形与PPG信号的数据集。随后，研究人员训练了一个生成式模型，使其学会将PPG信号映射到同时发生的动脉压波形上。

接着，他们将这些推断出的动脉压波形输入第二个模型。该模型经过训练，可以从动脉压波形中进一步推导出如每搏输出量和心输出量等关键心脏生物标志物。最终，研究人员为每个PPG片段生成多个合理的动脉压波形，分别推断对应的心血管参数，并对结果取平均值，从而得出最终估计值及其不确定性度量。

研究团队在一个包含128名接受非心脏手术患者的数据集上验证了该方法的有效性。结果显示：该方法能够准确追踪每搏输出量和心输出量的变化趋势，尽管尚无法精确预测其绝对数值。即便如此，其表现仍优于传统技术，表明借助AI辅助建模，可以从简单的光学传感器中提取出更具临床意义的心脏健康信息。

值得注意的是，这项研究纯粹聚焦于基础性科研及底层技术本身，文中并未提及Apple Watch，也没有对任何即将推出的产品或功能作出承诺。这与苹果机器学习研究博客发布的大多数论文风格一致，专注于技术探索而非产品预告。