无机械血压监测原理与技术的进展

你的血压设备为何变得更“聪明”

高血压在全球超过十亿人中悄无声息地提高了心脏病发作、中风和肾衰竭的风险。然而许多人并不知道自己有高血压，部分原因在于测量血压通常需要找到袖带、保持静止并忍受不适的压迫。本文综述了一代新的“无袖带”技术，承诺更温和、更频繁、更便捷的血压追踪——这些技术被集成到手表、戒指、摄像头，甚至类雷达传感器中。

从笨重的袖带到隐形的监测器

血压监测的历史始于18世纪将管子直接插入动脉的方法，这一方法因其准确性仍在重症监护中使用。20世纪，医生采用了臂带和听诊器，后来自动袖带设备使家庭监测成为可能。但这些都是机械方法：它们通过挤压或按压动脉来直接感受压力，这可能会引起疼痛、夜间干扰，并且不利于跟踪日常生活中快速的血压变化。近年来，研究和产品研发转向更舒适的选项，融合到日常物品中，使人们在活动、工作和睡眠时也能监测血压。

在不挤压的情况下测量压力

作者提出了一个简单但有力的分类方式：机械与非机械。机械工具施加物理压力并直接读取，例如传统袖带。相比之下，非机械工具从不挤压动脉。它们通过观察与血压同步的微妙信号来工作——如血管宽度的变化、脉波速度或脉搏波形的变化。可穿戴和非接触设备现在可用光学（如智能手表脉搏传感器）、超声贴片、皮肤安装的运动传感器、胸部与手腕加速度计、雷达或普通摄像头（检测面部或手部的细微颜色变化）来跟踪这些信号。随后，这些信号通过数学公式或机器学习算法被转换为血压数值。

数据与算法如何将脉搏变为数值

非机械监测遵循四步流程。首先，传感器捕获原始生物信号，例如光学脉搏波、电生理心电或微小的体振动。第二，这些信号被净化：去除明显的错误、滤除噪声，并将来自多个设备的数据精确时间对齐，以便可以信赖通常仅为几十毫秒的细微时间差。第三，模型从清洗后的信号估算血压。早期努力依赖基于物理的方程，联结脉波速度或血管尺寸与压力。更新的方法使用机器学习和深度学习来发现隐藏模式，包括直接分析波形的神经网络、聚焦每次心跳中最有信息部分的注意力机制，以及将已知心血管规律融入训练过程的“物理知情”网络。最后，校准通过将设备估算值与可信参考（通常为臂带或侵入性动脉导管）比较，将一切与现实联系起来。

临床完全信任无袖带设备之前的挑战

尽管进展迅速，无袖带系统在广泛用于临床之前仍面临障碍。随着个体身体或行为的变化——运动后、压力期间或数月、数年间——其准确性可能会漂移，因此许多产品需要定期重新校准，这既可能不便又可能为用户所不理解。现有的国际血压监测仪测试标准是为袖带而设，无法完全涵盖依赖传感器、算法和校准历史的设备特点。综述强调了新的努力，例如欧洲和IEEE制定的协议，它们增加了姿势、运动、昼夜变化和长期稳定性的测试。作者也指出了空白：许多原型仅在小规模、受控的人群中测试，极少有研究探讨在日常生活中到底需要多频繁的校准。

未来家庭监测的发展方向

展望未来，作者设想血压追踪将变得连续、几乎隐形，并与更广泛的健康数据紧密连接。未来系统可能将来自多个传感器的信号与病历和症状描述通过大规模AI模型融合，提供个性化、具情境感知的估算，而不是一刀切的数值。新型传感器——从太赫兹波到光声成像——可能使脉搏测量更精确，并更能容忍肤色或体型差异。与此同时，更完善的测试规则和以疾病为中心的研究对于证明哪些技术对特定人群（如孕妇、老年人或夜间高血压患者）最有效至关重要。对患者和临床医生而言，核心承诺很简单：更舒适、更可靠且无缝融入日常生活的血压监测，使早期发现问题更容易，从而更长期地保护心脏健康。

引用: Zheng, Z., Hao, H., Huang, Y. et al. Advances in principles and technologies of non-mechanical blood pressure monitoring. npj Cardiovasc Health 3, 7 (2026). https://doi.org/10.1038/s44325-025-00102-5

关键词: 无袖带血压, 可穿戴传感器, 高血压监测, 无创心血管, 深度学习健康