东京大学AI算法5秒识糖尿病高血压

东京大学与东京科学技术研究所联合发布临床成果：其AI算法仅需5至30秒的面部光谱视频，即可高精度识别糖尿病与高血压。该研究将于8月底在德国慕尼黑举行的欧洲心脏病学会大会上展示，为非接触式健康监测开辟新路径。

光谱成像与rPPG技术融合

此次研究的核心在于光学传感与人工智能的深度结合。实验采用高帧率光谱相机，以每秒150帧的速率采集受试者面部与手掌的高清视频流。算法底层依托远程光电容积脉搏波描记法（rPPG），通过捕捉皮肤表面因心脏泵血产生的微弱颜色变化，实时提取血流动力学特征。系统重点解析动脉血管硬度引发的脉搏波动态、皮下微循环血流模式以及皮肤光谱反射特性。研究共纳入215名参与者，涵盖确诊患者与健康志愿者，所有AI输出结果均与传统临床金标准——电子血压计测量值与糖化血红蛋白检测结果进行交叉验证，确保算法在非接触条件下的医学可靠性。

诊断精度突破医疗级容差

测试该模型在极短视频窗口下展现出惊人的稳定性。针对高血压筛查，30秒视频记录可实现95%的识别准确率，而仅5秒片段也能维持90.3%的综合精度；其对正常血压状态的敏感度达到高血压检出敏感度为89.2%。收缩压预测平均误差仅为负2.6毫米汞柱，完全符合美国医疗器械促进协会规定的±5.0毫米汞柱临床容差范围。糖尿病方面，30秒与5秒视频的识别准确率分别达到88.2%和81.2%。整体算法在所有评估样本中的综合准确率稳定在90%以上，证明其已具备替代部分传统初筛设备的潜力。

以下为不长视频对应的核心诊断性能指标：

上述参数对医疗设备制造商具有直接参考价值。AAMI标准的±5.0毫米汞柱容差是血压类器械注册上市的硬性门槛，该算法将预测误差压缩至一半以内，意味着未来集成此类AI模块的消费级光学模组或便携式检测仪，有望在合规性上获得更大空间。对于采购方而言，需重点关注算法对光照条件、肤色差异及运动伪影的鲁棒性测试报告，这直接决定产品能否从实验室走向大规模商用部署。

院外早筛市场与供应链机遇

全球慢性病防控正面临人力与资源瓶颈。据欧洲心脏病学会披露，30至79岁人群中高血压患者约达14亿，糖尿病患者5.89亿。多数病例因缺乏定期临床就诊或依赖穿戴设备续航限制而处于未诊断状态。该技术最大的产业价值在于去中心化筛查能力。无需袖带充气、无需采血、无需专业医师在场，只需普通高清摄像头配合边缘计算芯片即可完成初筛。这将直接拉动上游图像传感器、微型光谱滤光片、低功耗AI推理SoC以及医疗级软件授权服务的需求链条。日本在医疗光学仪器与嵌入式算法领域拥有深厚积累，东京大学团队此次突破正是产学研协同的典型产物。随着全球医疗AI市场规模持续扩张，欧美日韩企业正加速布局非侵入式诊断赛道，光学AI正从单一病灶分析向全身代谢指标监测延伸。

对中国产业链而言，该技术的成熟释放了明确的选型信号。硬件端应优先评估支持高帧率RAW格式输出且具备宽动态范围的工业或医疗级镜头模组，以保障血流信号提取的信噪比；软件端则需建立符合医疗器械质量管理体系的算法验证流程，提前布局国际认证与国内二类医疗器械申报路径。当5秒视频能稳定输出90%以上的慢病预警时，基层诊所、体检中心乃至企业健康管理平台都将迎来低成本、高频次的数字化升级窗口期。采购决策应聚焦于算法开源程度、算力占用峰值及多人群泛化测试数据，以便快速完成产品定型与渠道铺货。