學研新創 - 智慧醫療與健康科技
心血管健康守護神—用於智能手錶之新創脈波傳導速度與個人化血壓估測系統
2022-12-20
王宗道教授團隊/臺灣大學

王宗道、林鴻儒、蔡佩芸、古博文

脈波傳導速度(Pulse Wave Velocity, PWV)是評估血壓長期負荷重要指標,被全世界高血壓治療指引推薦為須定期評估之血壓靶器官指標,甚至具超越血壓的心血管風險預測價值,近年來由於穿戴式裝置的進步,本新創成果採用SENSIOTM智慧手表光學元件,取得手腕光體積變化描記圖(Photoplethysmography,PPG)及心電訊號。我們首創針對遺失特徵差補與模糊特徵辨識機制進行訊號處理可將腕式PPG訊號可用率由~60%提升至99.1%,並利用加權波形拆解演算法將PPG波型拆解成五個成分波,並擷取波峰時間、寬度與振幅,組合成多組特徵;運用機器學習極端梯度提升演算法建構階層迴歸模型預測PWV,也透過深度卷積網路來建構個人化血壓模型來預估血壓。在預測PWV的準確度由以往使用指式PPG及ECG訊號估測的均方根誤差約230 cm/s顯著下降至約150 cm/s,而在個人化血壓估測模型男性36人與女性24人上,收縮壓平均絕對誤差為6.99mmHg,而舒張壓平均絕對誤差為6.24mmHg。且即時運算處理程序也已開發完成,並進行專利申請與佈局。本新創成果透過連續性脈波傳導速度檢測可提升穿戴式裝置在生理觀測的功能性,有助醫生評估與調整醫療決策,並有效率應用醫療資源。而使用者可透過血管年齡變化的有感回饋,可落實健康照護與生活管理,使得精準數位醫療得以實現,進一步提升穿戴裝置的健康監測價值。

評審推薦
1.本案使用腕式穿戴裝置,開發具突破性高準確度之PPG訊號處理、PWV與個人化血壓預測演算法,技術成熟度佳、已驗證可量化,具高商業價值潛力。
2.本技術在腕式PPG波形特徵萃取已達到99.1%的辨識率,波形拆解技術拆解出五個成分波之穩定度,運用AI及個人化模型來估測血壓。
3.本案未來有助於協助使用者了解自身血管健康狀況、血管年齡,甚至能作為醫療決策參考,輔助高血壓病患落實個人化治療。
團隊簡介

王宗道

學歷

國立台灣大學醫學系畢業

哈佛大學醫學院Brigham and Womens hospital/Beth Israel Deaconess Medical Center見習

國立台灣大學醫學院臨床醫學研究所博士班畢業

現職

現任職務(醫院/醫學院)
台大醫學院內科專任教授
台大醫院內科部整合醫學科主任
台大醫院心血管中心心導管室主任
台大醫院內科部心臟內科主治醫師

現任職務(學會)
中華民國心臟學會秘書長
台灣醫院整合醫學學會常務理事
台灣高血壓學會名譽理事
Associate Editor, Hypertension Research
Editorial Board, Journal of Clinical Hypertension/Korean Circulation Journal/Journal of Asian Pacific Society of Cardiology 

經歷

台大醫院內科部住院醫師

台大醫院內科部總醫師及心臟科研究員

恩主公醫院心臟內科主治醫師

台大醫院雲林分院心臟血管醫學中心主任

國立台灣大學醫學院內科講師

國立台灣大學醫學院內科助理教授/副教授

中華民國內科醫學會副秘書長

台灣介入性心臟血管醫學會教育委員會委員

台灣動脈硬化暨血管病醫學會理事

台灣血脂衛教協會理事

本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。 <完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved