基于保形预测的可穿戴无袖带血压测量技术：动态血压监测的置信区间量化研究

本研究针对可穿戴无袖带血压(BP)测量技术在动态环境中可靠性不足的问题，开发了一种结合梯度提升回归树(GBRT)和保形预测(Conformal Prediction)的算法，通过心电图(ECG)和光电容积图(PPG)信号实现24小时动态血压监测。研究利用Aurora-BP数据集（483名受试者）验证模型，结果显示白天收缩压(SBP)和舒张压(DBP)的平均绝对差异(MAD)分别为14.32 mmHg和9.53 mmHg，夜间分别为14.22 mmHg和10.13 mmHg。通过生成覆盖真实血压值的置信区间(CI)，该技术显著提升了临床决策的可靠性，为高血压筛查和管理提供了新工具。

　　

高血压是全球心脑血管疾病的主要风险因素，2019年导致1080万人死亡。传统血压监测方法如袖带式血压计存在间歇性测量、舒适性差等问题，而无袖带技术虽能连续监测，但动态环境下的准确性受运动伪影和生理变异影响显著。电子科技大学生命科学与技术学院的研究团队在《Scientific Reports》发表论文，提出一种结合梯度提升回归树(GBRT)和保形预测的创新算法，通过量化置信区间(CI)提升动态血压监测的可靠性。

研究采用Aurora-BP数据集（483名受试者），从ECG和PPG信号中提取7类生理特征（如径向脉搏到达时间rPAT、心率变异性HRV等），构建GBRT模型并引入分位数损失函数生成预测区间。通过保形预测校准，最终实现白天SBP和DBP的MAD分别为14.32 mmHg和9.53 mmHg，夜间分别为14.22 mmHg和10.13 mmHg，且置信区间覆盖率超过理论值95%（α=0.05）。

方法学创新

1. 模型构建：GBRT模型结合分位数损失（γ=0.05/0.50/0.95）同步输出预测值及上下界，通过保形评分校准区间长度（公式8-9）。
2. 数据平衡：对白天数据降采样，确保昼夜样本量一致，并采用5折交叉验证减少随机性影响。
3. 性能评估：引入增量成本效益比(ICER)权衡区间长度与覆盖率，如SBP夜间ICER为1.20（每提升1%覆盖率需增加1.20 mmHg区间长度）。

关键结果

1. 动态追踪能力：如图5所示，模型能捕捉夜间血压波动（CV较白天高），但SBP估计误差略高于DBP（因DBP生理稳定性更高，SD为14.47 mmHg vs. SBP的20.04 mmHg）。
   
   
2. 置信区间有效性：表5显示，DBP白天覆盖率95.55%（α=0.05），优于SBP（94.67%），可能与模型对SBP的敏感性不足有关。
3. 临床意义：如图7所示，当模型预测值低于高血压阈值（140/90 mmHg）时，置信区间仍能覆盖真实高风险状态，避免漏诊。

讨论与展望
研究首次将保形预测应用于动态血压不确定性量化，其轻量化GBRT模型适合可穿戴设备部署。局限性包括未纳入人口统计学特征（如BMI、年龄），且未针对药物干预等场景优化。未来需探索条件保形预测以适配个体化变异。该技术通过统计学严谨的置信区间，为高血压的精准管理提供了新范式。