基于光电容积脉搏波描记法和人工智能算法的两种预测血压模式准确性对比研究

作者：吴燕; 汪奇; 赛晓勇; 汪晶晶; 史纯纯; 曹君; 李瑞莱; 张洪盼; 韩宝石^*

来源：中国医学装备, 2022, 19(05): 34-38.

• 光电容积脉搏波描记法(PPG)
• 人工智能
• 深度学习
• 卷积神经网络
• 血压

目的：基于光电容积脉搏波描记法(PPG)和人工智能算法的智能血压监测设备预测血压的两种模式准确性比较。方法：使用智能血压监测设备(O2Ring指环)采集患者PPG信号后上传至深度卷积神经网络(DCNN)系统，用于提取患者PPG信号的自身特征，并构建回归网络连接其特征，通过不断采集临床数据和机器学习来优化算法。O2Ring指环预测血压有直接预测和标定预测两种算法模式，采集41例临床高血压患者446个时间点的血压数据，将两种模式的预测血压值与动态血压计实测的血压值进行比较，对比两种预测血压模式的准确性。结果：41例患者的收缩压O2Ring指环的直接预测值和标定预测值与动态血压计的实测值比较，差异无统计学意义(t=-0.237,t=1.738;P>0.05)；舒张压的O2Ring指环的直接预测值与动态血压计的实测值比较，差异有统计学意义(t=-6.332,P<0.001)，舒张压的O2Ring指环的标定预测值与动态血压计的实测值比较，差异无统计学意义(t=-1.371,P>0.05)。Pearson相关分析，收缩压的实测值与直接预测值和标定预测值均有显著相关性(r=0.5195,r=0.8828;P<0.001)；舒张压的实测值与直接预测值和标定预测值亦都有显著相关性(r=0.4333,r=0.7544;P<0.001)。标定预测值与实测值的一致性亦好于直接预测。结论：基于PPG信号和人工智能算法的标定预测模式与直接预测模式相比，能够更准确预测血压，可为临床应用提供参考。

• 单位
  乐普(北京)医疗器械股份有限公司; 乐普（北京）医疗器械股份有限公司; 解放军总医院