基于消费级智能手表的自动脉搏骤停检测

院外心脏骤停是一种时间敏感的紧急情况，需要及时识别和干预：突发、未目击的心脏骤停几乎无法存活。心脏骤停的一个主要标志是脉搏突然消失。鉴于时间在预后中的重要作用，通过生物传感器自动检测未目击的心脏骤停并派遣医疗援助，如果能够将公共紧急医疗系统的误报负担降至最低，则可能提高存活率。本文展示了一种基于智能手表的多模态机器学习算法，其性能达到可大规模部署的门槛。首先，利用光电容积描记术（PPG），我们证明通过动脉闭塞模型诱导的外周无脉状态，与心室颤动这种常见心脏骤停心律失常引起的无脉状态，在可穿戴PPG测量中表现相似。基于PPG信号（来自心室颤动或动脉闭塞）的相似性，我们利用外周无脉和自由生活条件的数据，开发并验证了一种脉搏骤停检测算法。开发完成后，我们对端到端算法进行了前瞻性评估：在两项前瞻性研究中，每21.67用户年发生1次非预期的紧急呼叫；在前瞻性动脉闭塞心脏骤停模拟模型中，敏感性为67.23%（95%置信区间为64.32%至70.05%）。这些结果表明，基于可穿戴设备检测突发脉搏骤停存在大规模部署的机会，同时能将过度误报的社会成本降至最低。