可穿戴设备如何检测房颤？准确率有多高？
可穿戴设备主要通过两种方法检测房颤：光电容积描记法（利用光线测量脉搏模式）和单导联心电图（记录心脏电活动）。许多消费级智能手表（如Apple Watch、Samsung Galaxy Watch、Fitbit）及专用医疗可穿戴设备（如Duranta贴片或KardiaMobile）均采用这些技术。在五款主流设备的直接对比中，房颤检测灵敏度范围为58%至85%，特异性范围为69%至79%[2]。然而，一项针对四款设备（KardiaMobile 6L、Apple Watch、FibriCheck、Preventicus）的新研究显示，其灵敏度达100%，特异性达96-99%[4]。这一差异可能反映了算法改进与研究设计的优化——第二项研究采用受控环境，要求患者按特定顺序完成测量，从而减少了因动作或接触不良导致的误差。
一项采用PPG技术与深度学习算法的环形可穿戴设备，在针对100名患者的研究中实现了96.9%的准确率、99.0%的灵敏度和94.3%的特异性[7]。另一款医用级可穿戴设备配备上臂PPG传感器及深度神经网络，在住院患者24小时监测中达到了96.0%的灵敏度和99.0%的特异性[8]。这些结果表明，不同设备及使用场景下的准确率存在差异，但性能最优的可穿戴设备在正确使用时，其房颤检测准确率可媲美甚至超越标准心电图。
可穿戴设备真的能比医生检查更早发现房颤吗？
是的，因为房颤常呈间歇性（阵发性）且无症状，所以单次门诊心电图很容易漏诊。能够连续或反复监测数天至数周的可穿戴设备，则更有可能捕捉到短暂发作。一项针对241名既往无房颤诊断的卒中患者的前瞻性研究显示，在为期7天的监测中，可穿戴贴片在8.7%的患者中发现了新发房颤[1]。这些患者若仅接受常规诊疗（通常仅做单次心电图或短期监测）则会被漏诊。另一项大型试验（PATCH-AF）目前正在65岁以上高风险初级保健患者中测试每年7天的可穿戴监测方案，预计2025年公布结果[9]。其原理在于，重复的长时间监测能够发现常规诊疗遗漏的房颤，从而可能预防卒中。
一种名为WARN的深度学习模型可利用可穿戴设备采集的R-R间期数据，在房颤发作前平均30.8分钟预测其从正常节律向房颤的转变[6]。这意味着可穿戴设备不仅能在房颤发生时进行检测，还能在发作前向用户发出预警——这是常规医疗无法实现的。尽管这仍处于早期研究阶段，但它预示着未来可穿戴设备将提供实时早期预警。
有哪些局限性？可穿戴设备在什么情况下可能效果不佳？
可穿戴设备并非完美无缺。一个主要问题是“不确定”读数——即设备无法判断心律。一项研究显示，五款智能设备中有17%-26%的描记结果无法确定，需要临床医生手动复核[2]。另一项研究发现，7%-15%的测量数据质量不足[4]。这意味着，仅依赖可穿戴设备的自动诊断可能导致房颤漏诊或误报。频繁的早搏（额外心跳）也会干扰基于光电容积描记法的算法，造成假阳性。在DoubleCheck-AF研究中，所有七例假阳性PPG读数均来自频发早搏的患者，但通过同一设备添加六导联心电图后，多数病例的诊断得以纠正[3]。
另一个局限在于，大多数研究都是在受控环境（诊所或医院）中进行的，或依赖于有积极性的志愿者。在实际应用中，由于运动伪影、设备佩戴不当或用户依从性差，其表现可能会有所下降。一项涵盖九项研究（共1581名参与者）的荟萃分析发现，腕戴式设备的灵敏度较高（96%），但不同品牌的特异性差异显著（从81%到99.6%不等），这意味着某些设备会产生更多误报[5]。误报可能导致不必要的担忧、额外检查以及医疗成本增加。最后，这些设备不能替代医学诊断——任何警报都应由医生通过标准12导联心电图进行确认。
关于这些来源
该答案基于9篇经同行评审的研究——发表于2020年至2025年间，其中3篇为2024年及以后发表，2篇发表于Q1期刊，合计被引用209次——这些研究是从12篇通过质量筛选的文献中选出的最具相关性的成果，而12篇文献又源自从超过5亿篇论文数据库中检索到的71篇论文。
本文引用的文献
使用可穿戴设备高效检测缺血性卒中患者房颤的方法：一项基于STABLED试验的前瞻性多中心子研究。
在一项针对241名既往无房颤诊断的缺血性卒中患者的前瞻性多中心子研究中，可穿戴贴片（Duranta）在7天监测期间新检出8.7%的房颤病例，表明可穿戴设备能够发现常规诊疗中遗漏的房颤。
5种直接面向消费者的可穿戴智能设备检测房颤的临床验证
在一项纳入201名患者的前瞻性诊断研究中，五款消费级智能设备（Apple Watch、Samsung Galaxy Watch、Withings Scanwatch、Fitbit Sense、AliveCor KardiaMobile）检测房颤的灵敏度为58%-85%，特异度为69%-79%，其中17%-26%的描记结果无法判定。
高特异性可穿戴设备结合光电容积描记法与六导联心电图用于频发期前收缩挑战下的房颤检测：DoubleCheck-AF
在一项纳入344名参与者的验证研究中，一种结合了PPG与6导联ECG的腕戴设备对房颤检测的灵敏度达到94.2%，特异性达到99.6%，所有假阳性结果均来自频发早搏的患者。
用于房颤检测的消费级可穿戴设备比较评估：验证研究。
在一项包含122名参与者的验证研究中，四款消费级设备（KardiaMobile 6L、Apple Watch、FibriCheck、Preventicus）检测房颤的灵敏度均为100%，特异度在96%至99%之间，其中7%至15%的测量结果质量不足。
检测心房颤动的准确性：腕戴式可穿戴技术的系统综述与荟萃分析
一项涵盖九项研究（共1,581名参与者）的系统综述与荟萃分析发现，腕戴式可穿戴设备对房颤检测的灵敏度达96%，但不同品牌的特异性差异显著（81%-99.6%），这引发了人们对假阳性结果的担忧。
使用深度学习进行房颤早期预警
基于280名患者的24小时动态心电图数据训练的深度学习模型（WARN），可利用可穿戴设备获取的R-R间期，在房颤发作前平均30.8分钟预测从窦性心律向房颤的转变，准确率达83%。
基于环形可穿戴设备（CardioTracker）与光电容积描记信号深度学习分析的心房颤动检测：前瞻性观察概念验证研究。
在一项针对100名患者的前瞻性研究中，一款采用光电容积描记法（PPG）和深度学习技术的环式可穿戴设备（CardioTracker）在房颤检测中达到了96.9%的准确率、99.0%的敏感性和94.3%的特异性，与传统脉搏血氧测定法效果相当。
住院条件下使用医疗可穿戴设备可靠检测房颤
在一项针对102名住院患者的观察性试验中，一种配备上臂光电容积描记法（PPG）和深度神经网络的可穿戴医疗设备，在24小时监测期内对房颤（AF）检测的灵敏度达到96.0%，特异度达到99.0%。
基于可穿戴技术的个性化方法用于高风险初级保健患者房颤早期检测（PATCH-AF）：一项集群随机对照试验的研究方案
PATCH-AF研究方案描述了一项整群随机试验，旨在对65岁及以上高风险初级保健患者进行每年7天的可穿戴心电图监测，预计2025年得出结果。