编辑推荐：
为解决院外心脏骤停难以及时识别、假阳性负担大的问题，研究人员开展智能手表多模式机器学习算法检测脉搏消失的研究。结果显示算法性能达标，误报率低。推荐阅读，一同探索可穿戴设备在急救领域的创新应用。
摘要
院外心脏骤停是一种对时间极为敏感的紧急情况，需要及时识别和干预：突发且无人目击的心脏骤停几乎无法挽救生命1 - 3。心脏骤停的一个主要体征是脉搏突然消失4。考虑到时间对预后起着重要作用3,5 ，通过自动生物传感器检测无人目击的心脏骤停并派遣医疗救援，可能会提高患者的生存率，但前提是要将对公共紧急医疗系统造成的假阳性负担降至最低5 - 7。第一作者单位的研究人员表明，智能手表上基于多模式机器学习的算法能够达到性能阈值，使其具备在社会层面大规模应用的潜力。首先，研究人员利用光电容积脉搏波（PPG）技术发现，通过动脉闭塞模型诱导的外周无脉状态下的可穿戴式 PPG 测量结果，与常见心脏骤停心律失常 —— 心室颤动（VF）导致的无脉状态表现相似。基于 VF 或动脉闭塞产生的 PPG 信号的相似性，研究人员利用外周无脉状态和日常活动状态下的数据，开发并验证了一种脉搏消失检测算法。该算法开发完成后，研究人员对其进行了前瞻性评估：在两项前瞻性研究中，每 21.67 用户年出现 1 次无意的紧急呼叫；在一项前瞻性动脉闭塞心脏骤停模拟模型中，该算法的灵敏度为 67.23%（95% 置信区间为 64.32% - 70.05%）。这些结果表明，基于可穿戴设备检测脉搏突然消失的技术有了新的大规模应用机会，同时能将过多误检带来的社会成本降至最低7。
