Η υψηλή αρτηριακή πίεση χαρακτηρίζεται συχνά από την ιατρική κοινότητα ως ένας ύπουλος εχθρός της υγείας, καθώς σπάνια εμφανίζει προειδοποιητικά συμπτώματα, με αποτέλεσμα πολλοί να πάσχουν από αυτήν να μην το γνωρίζουν. Νέα επιστημονική μελέτη η οποία δημοσιεύθηκε στο περιοδικό Nature στις 5 Νοεμβρίου 2026 (https://doi.org/10.1038/s41586-026-11336-3) , έρχεται να αλλάξει τα δεδομένα, ανοίγοντας τον δρόμο ώστε ένα συμβατικό smartwatch να λειτουργεί ως αθόρυβο εργαλείο προληπτικού ελέγχου.
Όπως υπογραμμίζουν οι ερευνητές, η τεχνολογία αυτή δεν προορίζεται να υποκαταστήσει το κλασικό πιεσόμετρο ούτε παρέχει αυτόνομη ιατρική διάγνωση. Μπορεί όμως να συμβάλλει στην έγκαιρη ανίχνευση του κινδύνου στον γενικό πληθυσμό, προσφέροντας σημαντικά πλεονεκτήματα χάρη στη συνεχή και παθητική καταγραφή δεδομένων στην καθημερινότητα του χρήστη.
Στο techmaniacs.gr έχουμε παρουσιάσει στο κανάλι μας στο Youtube πλήθος smartwatches που κυκλοφόρησαν στην Ελληνική αγορά, με τη μελέτη να παρουσιάζει πως θα μπορούσε ένα τέτοιο smartwatch να αποτελέσει έναν ανιχνευτή πιθανής ύπαρξης υπέρτασης, επεκτείνοντας ακόμη περισσότερο τις δυνατότητές τους.
Τέλος στην ανάγκη τακτικής βαθμονόμησης με περιχειρίδα
Μέχρι σήμερα, τα έξυπνα ρολόγια που προσέφεραν εκτιμήσεις αρτηριακής πίεσης συνοδεύονταν από έναν βασικό περιορισμό: απαιτούσαν τακτική βαθμονόμηση (calibration) με παραδοσιακό πιεσόμετρο μπράτσου.
Η νέα μελέτη, με επικεφαλής τους ερευνητές Paolo Di Achille και Ming-Zher Poh από τη Google Research και το Beth Israel Deaconess Medical Center του Harvard, καταργεί αυτή την απαίτηση με την βοήθεια της τεχνητής νοημοσύνης. Οι επιστήμονες απέδειξαν ότι ένα απλό smartwatch της Google μπορεί να εκτιμήσει με αξιοπιστία την πιθανότητα ύπαρξης υπέρτασης εντελώς αυτόνομα, χωρίς προηγούμενη ρύθμιση.
Το σύστημα αξιοποιεί τον οπτικό αισθητήρα φωτοπληθυσμογραφίας (PPG) στο πίσω μέρος του ρολογιού, όπως αυτόν σε Samsung Galaxy Watches, Apple Watches, Google Pixel Watches, ο οποίος καταγράφει τις μικροαλλαγές στον όγκο του αίματος κάτω από το δέρμα σε κάθε παλμό. Τα δεδομένα αυτά συνδυάζονται με το επιταχυνσιόμετρο, το οποίο συλλαμβάνει τις ανεπαίσθητες μηχανικές δονήσεις που προκαλεί το αίμα καθώς και με το σωματικό ύψος του χρήστη.
Τα αποτελέσματα της κλινικής δοκιμής σε πραγματικές συνθήκες
Η ερευνητική ομάδα αξιολόγησε το σύστημα σε 196 συμμετέχοντες σε πραγματικές συνθήκες διαβίωσης επί επτά ημέρες. Τα ευρήματα συγκρίθηκαν απευθείας με το Holter πίεσης το οποίο αποτελεί το διεθνές πρότυπο αναφοράς για τη διάγνωση της υπέρτασης.
Τα αποτελέσματα κρίνονται ιδιαίτερα ενθαρρυντικά, καθώς το έξυπνο ρολόι εντόπισε σωστά το 65,8% των πραγματικών περιστατικών υπέρτασης (ευαισθησία), υπερτερώντας έναντι της απλής μέτρησης με πιεσόμετρο στο ιατρείο, η οποία κατέγραψε ευαισθησία 55,3%.
Η υπεροχή αυτή οφείλεται στο γεγονός ότι το ρολόι παρακολουθεί τον οργανισμό καθ’ όλη τη διάρκεια της ημέρας στο φυσικό του περιβάλλον. Με αυτόν τον τρόπο, παρακάμπτει φαινόμενα όπου η πίεση αυξάνεται τεχνητά λόγω του άγχους κατά την επίσκεψη στον γιατρό, ενώ εξομαλύνει τις τυχαίες παροδικές διακυμάνσεις.
Ένα εργαλείο μαζικού προσυμπτωματικού ελέγχου στον καρπό
Οι επιστήμονες ξεκαθαρίζουν ότι ο ρόλος της τεχνολογίας αυτής είναι αμιγώς προληπτικός και λειτουργεί ως εργαλείο μαζικού προσυμπτωματικού ελέγχου (screening). Εφόσον ο αλγόριθμος ανιχνεύσει επίμονα σημάδια αυξημένου κινδύνου έπειτα από παρακολούθηση αρκετών ημερών, μπορεί να στείλει ειδοποίηση στον χρήστη, προτρέποντάς τον να συμβουλευτεί τον γιατρό του .
Με τον τρόπο αυτό, δημιουργείται μια τεχνολογική γέφυρα που μπορεί να οδηγήσει εκατομμύρια ανθρώπους σε έγκαιρη διάγνωση, προλαμβάνοντας σοβαρές μακροχρόνιες επιπλοκές, όπως καρδιαγγειακά επεισόδια και εγκεφαλικά.
Η εκπαίδευση του αλγορίθμου τεχνητής νοημοσύνης
Όπως επισημαίνει η Google στη σχετική ανακοίνωσή της, το μοντέλο μηχανικής μάθησης εκπαιδεύτηκε σε έναν τεράστιο όγκο δεδομένων, ο οποίος ξεπέρασε τις 492.000 ώρες παθητικών καταγραφών από 2.109 άτομα. Η εκπαίδευση πραγματοποιήθηκε μέσω αυτοεποπτευόμενης μάθησης, κάτι που επέτρεψε στον αλγόριθμο να ανακαλύψει αυτόνομα σύνθετα μοτίβα της αγγειακής και μηχανικής καρδιακής λειτουργίας, καθιστώντας εφικτή την εξαγωγή αξιόπιστων εκτιμήσεων κινδύνου απευθείας από τους αισθητήρες ενός κοινού smartwatch του εμπορίου.
