11月5日，谷歌发布博文，介绍其在《自然》发表的最新研究成果，推出名为AI-PPG-ACC-HTN的多模态AI系统。该系统无需袖带校准，使用普通消费级智能手表便能被动检测高血压迹象。

与常规方案试图估算极易受瞬时环境噪声干扰的单次瞬时收缩压与舒张压不同，新系统通过聚合连续多天采集的被动生理特征，专注于识别个体潜在且持续存在的高血压状态。具体而言，系统使用超49万小时无标注数据训练1D-CNN，通过对比学习让模型自主挖掘复杂的心血管生理特征；再将多天15秒特征向量取均值平滑瞬态噪声，结合身高表征动脉路径长度，经逻辑回归模型输出持续高血压概率评分。

研究团队在全美5个临床中心开展前瞻性、多中心临床试验，纳入196名无心血管病史且未服降压药的受试者，以24小时动态血压监测为参照基准。试验结果显示，初步筛查特异度达90.0%，阳性预测值为80.6%，灵敏度为65.8%，优于门诊单次初筛的55.3%灵敏度与77.8%阳性预测值；确诊性检测针对初筛偏高人群，阳性预测值高达96.7%，特异度达90.9%，灵敏度达78.4%，优于门诊复测，更可比肩需佩戴数天的家庭连续袖带监测。该项研究成果已为谷歌健康应用中的血压趋势健康守护功能提供核心技术支撑。