基于智能手表技术的院外心脏骤停自动检测与急救响应系统：原理验证研究

推荐：本研究针对院外心脏骤停（OHCA）救治延迟的难题，开发了一种基于商用智能手表光电容积描记（PPG）传感器的设备无关性自动检测技术，结合荷兰社区急救网络HartslagNu实现EMS即时警报。结果显示，算法敏感性达90.3%，特异性94.1%，首次验证了穿戴设备在急救链中的整合潜力。

　　

院外心脏骤停（OHCA）是全球范围内导致死亡的主要原因之一，每延迟一分钟救治，患者的生存率就会显著下降。然而，现有的急救系统高度依赖目击者，对于无人目击的心脏骤停，患者生存机会几乎为零。即使有目击者在场，从发现到呼叫急救医疗服务（EMS）的中位延迟时间仍长达4分钟。这一严峻现实催生了医疗科技领域的新探索——能否利用普及率极高的智能穿戴设备实现心脏骤停的自动检测和即时报警？

来自荷兰阿姆斯特丹大学医学中心等机构的研究团队在《Resuscitation》发表了突破性研究。他们开发的HEART-SAFE系统，通过商用三星Galaxy Watch5系列的光电容积描记（PPG）传感器，成功实现了对循环停止的自动识别，并与荷兰社区第一响应者网络HartslagNu实现技术对接，构建了从检测到响应的完整解决方案。这项原理验证研究为穿戴设备在急救医学领域的应用开辟了新路径。

研究采用三项关键技术方法：1）多场景数据采集（健康志愿者加压阻断血流、心脏手术患者体外循环诱导停搏、屠宰场猪只放血模型）；2）基于PPG信号特征的算法开发（FIR滤波器和移动平均滤波处理）；3）通过REST API与急救网络集成测试，使用HartslagNu测试环境验证警报传递链。

【Automated cardiac arrest detection】
研究分析了19名受试者的31次循环停止事件。在健康志愿者组（加压阻断血流）识别准确率达93.8%，心脏手术患者组84.6%，猪只模型达100%，综合敏感性90.3%。特异性测试显示每小时错误警报率5.9%，相当于每24小时1.4次误报。典型PPG信号分析显示，正常脉搏时波形呈现规律振荡（图1），而循环停止后信号特征明显改变（图2）。

【Automatic alerting of emergency medical services】
系统测试显示，从检测到循环停止到发出警报仅需25秒（包括5秒分析窗口和20秒用户取消缓冲期）。通过VPN连接的REST API接口，警报可瞬时传递至HartslagNu测试服务器，模拟实现了EMS和社区急救志愿者的同步通知（图3）。这种技术架构有效规避了现有商业方案（如Google Pixel Watch 3）缺乏直接EMS对接的缺陷。

讨论部分指出，该研究的创新性体现在三个方面：首次验证商用智能手表PPG传感器检测循环停止的可行性；创建了设备无关的Wear OS应用框架；实现了与现有急救系统的技术整合。相比专用医疗设备（如BECA、DETECT项目）或品牌限定方案，这种开放架构更具普及潜力。

然而，研究也暴露关键局限：94.1%的特异性在实际应用中意味着大规模部署时可能产生海量误报（万人规模日误报超1.4万次）。作者建议未来通过三方面改进：采集真实OHCA数据优化算法；融合加速度计、陀螺仪等多传感器数据识别濒死呼吸（agonal breathing）特征；开发离线警报功能应对网络中断。这项技术若成熟应用，有望将OHCA救治响应时间从分钟级缩短至秒级，特别是为占OHCA半数的无人目击病例带来生存希望。