评估使用智能手机数据识别特发性肺动脉高压风险的可行性

为什么你的手机可能有助于发现沉默的心肺问题

我们大多数人都随身携带智能手机，许多人还戴着静静记录步数、心率和睡眠的手表。本研究提出了一个简单但有力的问题：这些日常的数字痕迹是否能帮助医生更早发现一种罕见且严重的心肺疾病——特发性肺动脉高压（IPAH），在患者真正就诊专科门诊之前很久就给出警示？研究人员分析了来自手机、手表和应用内问卷的多年真实世界数据，试图找出日常运动与心率信号中的微妙模式，判断谁更有风险。

难以发现的疾病

IPAH 会使从心脏到肺部的血管变窄。随着时间推移，患者会出现气短、乏力，并面临心力衰竭的风险。然而早期警示信号并不明显——疲劳、劳力性呼吸困难等症状模糊——且确诊需要在专科中心进行侵入性的心导管检查。许多患者从出现首个症状到被诊断大约需要三年左右，这时疾病已更为进展、难以治疗。研究团队希望知道，是否可以通过对日常活动的持续被动追踪更早发现问题的线索。

把日常运动转化为健康线索

研究人员使用了 My Heart Counts iPhone 应用，该应用可接入来自 iPhone 与 Apple Watch 的 Apple Health 数据。他们在英国招募了 109 名已有 iPhone 的参与者，其中包括 33 名确诊为 IPAH 的患者、14 名患有其他严重疾病（主要是严重新冠后的）者，以及 61 名健康志愿者。对于部分患者，研究者还可以利用保存在手机上的历史数据回溯诊断前数月甚至数年。他们检查了简单指标，如每日步数、步行速度、爬楼层数、静息与活动时的心率表现以及夜间睡眠情况。参与者还回答了关于生活方式、情绪及对运动与疾病态度的问卷。

数据揭示的日常生活变化

即将发展为 IPAH 的人群在被诊断之前就已经表现出更少且更慢的活动。他们步数更少、爬楼更少、步速更慢。静息心率倾向于更高，心率的逐跳变异（beat-to-beat 变化）较小——这些都是身体更费力且适应性下降的迹象。他们夜间清醒的时间也更长。诊断并接受治疗后，这些指标总体有所改善：患者步行更多、爬楼更多，心率变得更平稳且更有弹性，这与门诊标准六分钟步行测试中观察到的改善相呼应。问卷中关于心态和生活方式的回答提供了另一层信息：IPAH 患者更可能怀疑当前活动水平是否有益，并更常将疾病视为固定或遗传性的，而非生活方式可影响的因素。

教会计算机识别风险

为检验这些数字信号是否能帮助标识 IPAH，研究团队在应用数据上训练了机器学习模型。仅使用诊断前的信息时，基于手表数据（包括心率）的模型能够较好地区分 IPAH 与健康对照及疾病对照，性能以 ROC AUC 衡量约为 0.87。仅手机活动数据表现仍然很强，加入选定的问卷答案——尤其是关于生活方式与生活满意度的问题——能将性能提升到约 0.94。当他们在一组独立的美国应用用户中尝试相同方法时，模型起初表现较差，主要是因为不同国家间的活动模式与健康背景存在差异。但在用少量美国数据对系统进行再训练以校正这些差异后，模型再次达到有用的准确度（ROC AUC 约为 0.74），表明此类工具可以调整以适应不同人群。

这对患者意味着什么

面向普通读者，关键消息是：你走的步数、行走节奏以及日常生活中心率的反应都携带着重要的健康信息——即便你只是感到有些不适。本研究虽仍规模较小且属探索性，表明由消费类设备被动收集的简单数据，结合少量简短问卷，可以反映医院的检测结果，帮助区分罹患严重但隐匿性疾病的人与健康者或有其他问题的人。作者强调，在此类工具能用于临床前，需要更大规模且更具多样性的研究，并且他们观察到的模式并非 IPAH 独有。尽管如此，这项工作指向了一个前景：手机与可穿戴设备作为早期预警的伙伴，帮助患者和医生更早发现心肺健康的危险变化，减少侵入性检测并实现更及时的治疗。

引用: Delgado-SanMartin, J.A., Keles, M., Errington, N. et al. Assessing the feasibility of using smartphone data to identify risk of idiopathic pulmonary arterial hypertension. npj Cardiovasc Health 3, 16 (2026). https://doi.org/10.1038/s44325-026-00114-9

关键词: 数字健康, 肺动脉高压, 可穿戴传感器, 智能手机监测, 医学中的机器学习