AI 如何從 Apple Watch 光學感測器中挖掘更深層心臟數據？
蘋果長年投入健康科技，Apple Watch 的光學心率感測器已能監測心率、血氧與節律，而 watchOS 26 進一步加入「高血壓通知」，藉由分析 30 天內血管對心跳的反應，協助找出可能存在高血壓風險的使用者。如今，蘋果最新一篇研究論文顯示，公司正探索如何透過 AI，從相同的光學感測器中挖掘出更深層、過去無法取得的心血管資訊。
值得注意的是，研究論文本身未提到 Apple Watch，也未宣示任何未來產品方向，屬於蘋果機器學習研究團隊的基礎科學研究。這也顯示出蘋果正在尋找方法，讓現有感測器的資料價值被充分放大。
AI 如何從 PPG 推估更多心臟參數
這項名為 《混合式光體積描記法建模，用於非侵入性心血管參數監測》 的研究試圖回答一個問題：
既然 Apple Watch 使用的 PPG（光體積描記法）是非侵入式光測訊號，那能否靠 AI 推估更深層的心臟數據？
研究團隊採用「混合式模型」方法：
先建立大量模擬的動脈壓力波（APW）資料，並收集真實世界同步量測的 APW 與 PPG。
再利用生成模型學習 PPG 與 APW 之間的關聯，推算出 PPG 對應的 APW 形態。
最後將推算出的 APW 送入第二個模型，推估如「搏出量」（Stroke Volume）與「心輸出量」（Cardiac Output）等心血管生物標記。
（Source：arxiv）
研究團隊使用來自 128 名接受非心臟手術患者的真實資料來驗證模型。結果顯示，模型能準確追蹤心臟指標趨勢，雖然仍無法精準給出絕對值，但整體表現已優於現有技術。
換言之，單靠一個手指脈搏感測器，甚至可能是 Apple Watch 內的光學感測器，透過 AI 就可能取得比今日更多、更深、更長期的心血管資訊。
蘋果正在朝長期心臟監測前進
watchOS 26 的高血壓通知功能，不依靠瞬間測量，而是分析 30 天間的血管反應趨勢。這項研究則進一步展示蘋果正在探索如何讓光學感測器看得更深，並讓 AI 幫忙推算複雜的血流動力學參數。
（Source：arxiv）
這意味著未來可能出現「更細緻的心血管趨勢分析」、「被動式、長期監測複雜心臟指標的能力」、「不需額外硬體即可提升健康功能的可能性」。雖然研究中明確指出，目前模型的精準度仍有限，但其架構可擴展、具彈性，未來可應用於穿戴式 PPG。
（Source：arxiv）
但要注意的是，這篇研究沒有宣告任何產品規畫，但它呈現一個明確訊號「蘋果正在探索如何讓現有感測器的價值倍增，並有可能為長期心臟監測鋪路。」
研究的最後也強調，未來可在穿戴式光學感測器上採用類似策略，開啟被動、長期監測心臟生物標記的可能性，這與 Apple Watch 的定位高度吻合。
對投入健康科技已逾十年的蘋果而言，這可能是下一個重要方向，不靠更多硬體，而是靠 AI 讓現有感測器變得更聰明。
（首圖來源：蘋果）