心脏病发作是最紧迫的医疗急症之一，从发病到获得救治的时间往往直接关系到患者的生存机会。然而，医生用于发现心脏问题的心电图、血液肌钙蛋白检测和超声心动图等工具，大多仍集中在医院。

来自哥伦比亚Antonio Nariño University和巴西University of São Paulo的研究人员开发并验证了一套低成本可穿戴监测系统，希望将持续性的心肺监测从医院带到患者的手腕和胸部。

研究团队在Medical & Biological Engineering & Computing发表的论文显示，这套由腕带和胸带组成的系统，在测试中测得的心率与临床级参考设备高度接近，误差最低为1.94%。不过，研究人员强调，这是一项针对健康年轻志愿者开展的技术可行性研究，并非临床验证，设备距离实际医疗应用仍有进一步验证的距离。

这项研究背后的需求十分庞大。研究人员援引数据显示，2022年全球约有1,980万人死于心血管疾病，占全球死亡人数的约32%；其中85%的死亡由急性心肌梗死和中风造成。

心脏病发作如果能够得到及时治疗，患者通常具有较高的生存概率，但症状并不总是明显。胸痛是最典型的警示信号，但呼吸困难、头晕、心动过速和出汗等症状也可能被忽视或误认为其他问题。

即使患者已经到达医院，传统诊断手段也存在局限。研究人员指出，心电图只能在约57%的心脏病发作病例中检测到明显的ST段变化，而且部分患者出院后不会再次接受随访。因此，他们认为，预防和早期发现需要更加廉价的技术，让设备能够在日常生活中持续观察心血管系统，而不是只在医院进行一次性的检测。

这套系统由两台同步工作的设备组成。第一台是腕带，核心部件为MAX30105光电容积脉搏波（PPG）传感器，通过向皮肤发射红光、绿光和红外光，捕捉心脏脉搏波，并估算血氧饱和度。

第二台是胸带，搭载一套新的光学呼吸检测机制以及MPU6050惯性测量单元，后者用于追踪身体运动。

两台设备均由ESP32-C3微控制器驱动。这是一款集成Wi-Fi和Bluetooth 5.0 Low Energy功能的32位RISC-V芯片。设备将数据传输至定制移动应用，再由应用上传至云端数据库。

按照单件经销商采购价格计算，两台设备的全部组件成本合计为82.88美元。研究人员指出，这一成本比用于验证的临床仪器低一个至两个数量级。

胸带上的呼吸传感器是这套系统最具特点的设计之一。

与阻抗电极或应变计不同，研究人员设计了一套可伸缩的光学结构：一个3毫米红色LED与光敏电阻组合安装在胸带上。当吸气导致胸廓扩张时，胸带中的滑动结构会彼此分离，使光线能够通过；在静息状态下，两组结构相互重叠并阻挡光线。

当胸部扩张幅度达到最多12毫米时，光线会逐渐泄漏，光敏电阻随之记录变化。微控制器中的12位模数转换器可以读取215至4095之间的数值，对应的分辨率约为3微米。

系统将阈值设定为500。每当信号向上穿过这一阈值，就对应一次完整的吸气过程。通过计算60秒内的信号变化次数，设备即可根据胸壁机械位移计算呼吸频率。

测试结果显示，这种直接测量胸壁机械变化的方法取得了较高的一致性。运动结束后，胸带测得的呼吸频率平均绝对百分比误差为3.47%，静息状态下为4.69%；与ADInstruments生理记录仪相比，Pearson相关系数达到0.99。

运动后的均方根误差为每分钟1.14次呼吸，低于基于阻抗的可穿戴系统通常报告的每分钟1.5至3.5次呼吸误差。研究人员认为，这可能与光学方法对运动造成的信号干扰具有更强的抵抗能力有关。

心率则通过原始PPG波形离线计算得出。研究人员使用零相位Butterworth带通滤波器和动态峰值检测方法处理数据。

结果显示，心率在静息状态下的误差为1.99%，运动后为1.94%。Bland–Altman一致性分析显示，其一致性界限大致为±5次/分钟，表现与Polar OH1等商用腕部光学传感器相当。

但血氧饱和度的结果更加复杂。

腕带测得的SpO2误差并不高，静息状态下为1.64%，运动后为2.98%。然而，其与参考监测设备之间的相关性较弱，静息状态下Pearson相关系数为0.35，运动后为0.21。

研究人员解释称，这一看似矛盾的结果部分源于受试者的血氧范围过窄。参与研究的是健康年轻人，参考设备测得的血氧饱和度仅在94%至100%之间变化。在如此狭窄的范围内，即使两个设备具有较好的一致性，相关系数也可能在数学上趋近于零。

因此，研究人员指出，相关性衡量的是两个变量之间的关联程度，而不是测量结果是否一致，Bland–Altman分析在这种情况下更适合作为评价依据。

但运动后的数据确实显示出性能下降。在20次运动后采集中，有5次的测量结果偏离参考值5个百分点或以上，最大低估幅度达到9个百分点。研究人员认为，这可能与运动后外周血流发生变化有关，也可能是因为传感器配置主要针对脉搏波质量进行优化，而非专门针对血氧测量。

研究人员明确表示，目前这套设备还不适用于需要获得绝对血氧饱和度数值的应用。按照ISO 80601-2-61标准进行受控降氧条件下的验证仍有待完成。

此次验证研究共有43名年龄在19岁至28岁之间的健康志愿者，完成了50次数据采集，其中30次在静息状态下进行，20次在跑步约100米后进行。

每名参与者均采用仰卧姿势并保持静止1分钟，同时佩戴两台原型设备以及ADInstruments生理记录仪和EDAN iM8生命体征监护仪。

研究人员还单独测试了惯性测量单元在6种活动状态下的表现，从静坐不动一直到跑步。将运动百分比阈值设定为40%后，可以较为清晰地区分静息和活动状态：静坐时的运动比例为3%，步行时为64%，跑步时为87%，静息状态下没有出现误报。

研究人员认为，这一运动状态识别能力能够帮助未来的心血管算法区分真实的生理变化和运动伪影，从而有可能减少风险检测系统中的误报警。

与Apple Watch和Garmin等消费级智能手表相比，这套系统的另一个重要区别在于其数据架构。

消费级设备能够计算各种衍生健康指标，但并不会向研究人员开放完整的原始PPG信号，而这些原始信号对于开发更复杂的算法十分重要。

这套系统则有意将完整的原始脉搏和呼吸波形上传至云端，把滤波、特征提取和分析工作留给研究人员，而不是将处理过程固定在设备固件中。

这意味着，随着数据处理方法不断发展，同一批采集数据仍可以利用新的方法重新分析，例如统计学、频谱分析或非线性心率变异性指标，而无需更换硬件。

设备还可以通过Wi-Fi自动上传数据，不需要依赖智能手机作为中间设备。研究人员认为，这对于老年人以及行动不便的患者具有潜在价值，而这些人群正是该系统未来希望服务的目标用户。

不过，这项研究的局限性同样十分明显。

这是针对健康年轻志愿者开展的技术可行性研究，而不是临床验证研究。参与者没有心血管疾病，也没有纳入老年人。此外，研究没有记录参与者的皮肤光型和身体质量指数（BMI）。考虑到已有研究发现不同肤色可能影响光学传感器的准确性，这一缺失限制了研究结果的外推范围。

光学呼吸传感器在女性参与者中的误差也更加明显，其一致性界限比男性参与者宽约1.7倍。研究人员认为，这可能与女性更多采用膈肌呼吸以及乳房组织对胸带位置造成的机械干扰有关，但这一差异没有达到统计学显著水平。

所有数据采集均在参与者仰卧且保持静止的条件下完成。因此，在真实日常生活中、尤其是在运动伪影更加明显的自由活动状态下，该系统的表现仍有待验证。

研究过程中还有3次采集因腕带电池耗尽而产生异常数据，随后不得不重新采集。这促使研究人员计划在未来加入电池状态监测和信号质量指标。

研究团队已经开始推进下一阶段工作。

研究人员与哥伦比亚Popayán的Clínica Valle de Pubenza一名心脏科顾问合作开展了一项数据采集研究，对50名心血管疾病高风险老年人进行了系统测试，并训练了一个初步的风险评估模型。

不过，该模型目前还没有达到临床应用水平。研究人员指出，原因之一是带有明确标签的数据集规模仍然较小。

从长期来看，研究团队设想了两个主要应用方向：在心脏病学医疗资源有限的地区进行快速、低负担的心血管筛查，以及对已经处于较高风险的患者进行居家长期连续监测。

如果后续研究能够证明这套系统在更广泛患者群体和真实生活环境中仍能保持较高准确度，那么这套成本约83美元、能够将原始心脏和呼吸波形持续上传至云端的可穿戴设备，有可能成为开发机器学习心血管风险预警系统的一项硬件基础。

但就目前而言，它首先需要在更广泛、更具代表性的患者人群以及真实生活环境中接受进一步验证

免责声明：

智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。