用面部视频做心血管筛查：宣称的准确率与测量精度极限之间的距离

2026年8月26日，欧洲心脏病学会（European Society of Cardiology）公布了一项单中心前瞻性研究的细节。该研究以215名受试者为对象，试图通过自动分析面部和手掌的短视频来识别高血压和糖尿病。系统由东京大学先端循环器医学讲座的内田脩子在慕尼黑年会上发表，结合了一台高速光谱相机与一套机器学习算法，后者被设计用来提取脉搏波的动态特征和皮肤颜色的光谱变化。作者宣称的目标，是在日常环境中开展大规模的无创筛查。

公布的数据显示，在30秒的录制条件下，高血压的准确率为95.0%，糖尿病为88.2%；录制时长缩短到5秒时，两者分别降至90.3%和81.2%。然而收缩压估计的各项参数暴露出一个技术弱点：收缩压的平均误差虽为−2.6 mmHg，平均绝对百分比误差为8.6%，但误差的标准差达到±12.0 mmHg，超过了国际AAMI血压计标准所规定的±8.0 mmHg容差。研究者本人也承认，在任何实际应用之前，都需要通过优化特征和采用规模更大的多中心数据集来压缩这一波动。

除了会议摘要常见的方法学局限之外，目前在公开渠道中找不到任何经同行评议的论文、DOI编号或预印本，因而无法查验其方法，也无法查验样本按年龄、性别或皮肤光型的构成——最后这一项，对于一种读取皮肤颜色光谱特征的分析来说是决定性的变量。新闻稿没有说明资金来源、利益冲突，也没有说明光谱相机制造商是否参与其中；这是一台与普通手机摄像头相距甚远的专业设备，因此作者所设想的日常环境应用，仍是一个未经证实的推测。

最后，把已确诊患者纳入样本的做法往往会高估模型的效力：若放到一般人群的真实患病率上，阳性预测值很可能低于所宣称的准确率——而该准确率的置信区间同样未曾公布。

非接触式诊断是一个迷人的前沿，但临床验证要求测量参数具备稳定性，仅靠对一个小样本做统计处理，是替代不了这一点的。 — Olya