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。