由Keon Jae Lee教授领导的KAIST研究团队提出了一种基于人工智能的可穿戴血压传感器的创新理论框架和研究策略，为连续和无创的心血管监测铺平了道路。
高血压是一种影响全球超过10亿人的慢性疾病，是心肌梗塞、中风和心力衰竭等严重心血管疾病的首要风险因素。传统的血压测量依赖于间歇性的袖带式方法，无法捕捉实时波动，也难以实现持续的患者监测。
可穿戴血压传感器提供了一种非侵入性的解决方案，能够进行连续血压监测，实现实时跟踪和个人化心血管健康管理。然而，目前的技术在医疗应用所需的准确性和可靠性方面尚有不足，限制了其实际应用。为了应对这些挑战，高灵敏度传感器技术和AI信号处理算法的进步至关重要。
在此前发表于《先进材料》的一项研究中，Lee教授团队验证了柔性压电血压传感器的临床可行性。在此基础上，他们对最新的无袖带可穿戴传感器技术进行了深入综述，重点关注关键的技术和临床挑战。该综述强调了临床实施、实时数据传输、信号质量退化以及AI算法准确性等方面的问题。
题为“用于心血管监测的可穿戴血压传感器及基于机器学习的血压估算算法”的综述文章发表在2025年2月18日的《自然评论·心脏病学》上。
Keon Jae Lee教授表示：“本文系统地展示了医疗级可穿戴血压传感器的可行性，克服了此前被认为不可逾越的挑战。我们提出了应对技术障碍的理论策略，为未来在这个领域的创新开辟了新的可能性。随着技术的不断进步，我们预计这些传感器将很快获得信任并商业化，显著改善人们的生活质量。”
(全文结束)