近日，上海交通大学集成电路学院（信息与电子工程学院）王国兴教授课题组在高危新生儿生命体征可穿戴监测与无创血压估计领域取得重要进展。团队联合上海交通大学医学院附属上海儿童医学中心、福建省儿童医院等单位，面向高危新生儿重症监护中无创、连续生命体征监测的临床需求，研发了一种适用于高危新生儿的柔性多波长光电容积脉搏波可穿戴设备，建立了信号质量与运动状态的误差分层分析生命体征算法框架，首次用可穿戴设备实现了高危新生儿血压无创连续估计并开展了临床验证，并构建了首个同步采集新生儿可穿戴多波长光电容积脉搏波与有创动脉血压波形的前瞻性临床数据集，为新生儿可穿戴无创监测及临床落地提供了新的可行路径。相关成果以“Soft, Multi-Wavelength Photoplethysmography Enables Reliable Neonatal Blood Pressure Monitoring Via Error Stratification”为题发表于《Advanced Science》期刊上。

研究背景

血压是评估新生儿循环灌注与血流动力学状态的核心指标。对于病情变化快、代偿能力有限的新生儿，连续血压信息有助于及时识别低血压、循环波动及潜在器官灌注不足。当前连续血压监测的临床金标准为有创动脉血压监测，但其应用受侵入性与适用场景限制；袖带式血压测量以间歇采样为主，频繁充气还可能造成刺激与局部组织损伤。因此，发展舒适、连续、无袖带的监测技术具有重要临床价值。

光电容积脉搏波（PPG）可通过光学方式感知外周血容量变化，为无袖带血压估计提供了技术基础。然而，新生儿的血管顺应性与成人不同，并具有外周灌注较弱、心率较高和肢体自发性运动频繁等特点，成人数据与算法难以直接迁移。同时，高质量且与有创动脉血压同步的新生儿数据十分稀缺，模型的临床可靠性边界尚未得到系统刻画。

现有研究通常以总体平均误差作为模型评价指标，容易掩盖不同信号质量、运动强度及生理状态下的误差差异。临床应用更关注的不仅是“平均是否准确”，还包括“当前读数处于何种采集状态、误差风险是否升高”。因此，本研究围绕高质量多波长信号采集、金标准同步临床数据集构建、血压估计及可靠性分层分析展开。

成果介绍

研究团队针对新生儿肢体尺寸和NICU护理流程，研制了重量仅8.3 g的无线柔性监测腕带。设备集成绿光、红光和红外光三波长 PPG 传感模块、三轴加速度计与温度传感器，采用医用级柔性封装，并通过低功耗蓝牙传输数据，可连续运行24小时。光路采用“绿光反射式＋红光/红外光透射式”混合结构，并通过时分复用和环境光校正获得不同组织深度、不同传播路径的互补脉搏波信息。

柔性新生儿多波长PPG设备

研究在真实NICU环境中纳入42名接受常规有创动脉血压监测的新生儿，同步采集三波长 PPG、三轴加速度信号和有创动脉血压波形，并据此构建了 NEO-BP 临床数据集。有效记录总时长为110.66小时，覆盖双侧手掌、手腕、踝部和足部，共8个采集部位。基于这些配对数据，深度学习模型从脉搏波形态中学习血压相关特征，实现收缩压与舒张压的连续估计，并可与心率、血氧饱和度等信息协同呈现。

NICU临床验证与同步采集：无线监测、作为金标准的有创动脉血压监测及热安全评估

算法以经过环境光校正、滤波和标准化的多波长 PPG 片段为输入，采用 1D-EfficientNet 从片段级 PPG 信号中回归估计收缩压和舒张压。波长消融结果显示，绿光、红光和红外光三通道融合模型（G+R+IR）性能最佳。在包含9378个片段的测试集上，SBP 和 DBP 的平均绝对误差分别为 9.67 mmHg 和 6.17 mmHg。在统一推理基准下，模型的单片段推理延迟为 6.61 ms；在获得首个8秒窗口后，系统可每2秒更新一次片段级血压估计结果，并同步输出心率和血氧饱和度。代表性记录进一步显示，模型估计结果能够在连续窗口中较好地跟随有创动脉血压参考值的变化趋势。

代表性记录中的连续血压估计趋势。实线表示有创动脉血压参考值，虚线表示模型估计值；蓝色和红色分别表示收缩压与舒张压

研究针对 G+R+IR 模型开展了回顾性误差分层分析，将测试片段按信号质量、运动强度、窗口内血压稳定性和生理状态等条件分组。结果显示，信号质量下降或运动强度升高时，血压估计误差明显增大：高运动强度组的 SBP/DBP 平均绝对误差为 14.23/11.08 mmHg，低运动强度组为 9.63/6.14 mmHg；当红光 SQI≥0.85 时，误差降至 8.22/4.98 mmHg。代表性案例进一步显示，高质量 PPG 条件下，估计曲线与参考曲线更接近；低质量信号或明显运动干扰条件下，局部偏移、瞬时失配和误差波动明显增加。该分析识别了容易产生偏差的采集状态，为质量感知的数据筛选和读数解释提供依据。

不同信号质量与运动状态下的代表性血压估计结果

研究结果表明，在高危新生儿无创血压监测中，信号质量较低、运动干扰较强等采集状态会显著影响血压估计的准确性。这一发现提示，血压估计结果的可靠性并非仅由算法或设备性能决定，还高度依赖于具体的信号采集条件。随着医学人工智能和智能医疗器械的快速发展，连续生命体征监测结果正越来越多地参与临床判断和风险预警，这对结果的可信度与可解释性提出了更高要求。当监测结果出现偏差时，需要回溯信号采集条件，分析误差的可能来源，并识别结果可靠性降低的具体状态。本研究通过建立可观测采集因素与血压估计误差之间的关联，将无创血压监测的评价维度从传统的总体精度拓展至对误差来源和可靠性边界的系统刻画。这不仅为新生儿重症监护中的结果解读和风险识别提供了科学依据，也为构建可信医学人工智能、推动连续生命体征监测技术的临床应用提供了具有推广价值的研究范式。

论文作者信息

该论文由上海交通大学集成电路学院（信息与电子工程学院）、上海交通大学医学院附属上海儿童医学中心和福建省儿童医院共同发表。上海交通大学集成电路学院（信息与电子工程学院）博士生石文启和交大医学院博士生宓兰兰为共同第一作者，上海交大集成电路学院陈诚助理研究员和交大医学院罗雯懿主任为共同通讯作者，上海交大集成电路学院王国兴教授，学生陈佳荣、王敏、代子生、刘斌、高睿泽，上海儿童医学中心郭薇薇主任，福建省儿童医院林云峰主任、刘彪医生为论文共同作者。该研究获得上海交通大学“交大之星”计划“医工交叉研究基金”和福建省科技厅社会发展引导性（重点）项目联合资助，并得到深圳市玖治科技有限公司在技术转化方面的支持。

陈诚，上海交通大学集成电路学院（信息与电子工程学院）助理研究员，硕士生导师。主要从事生物光学与信息处理技术及其在数字健康领域的应用。已在国际权威学术期刊和会议上发表论文20余篇；主持或参与多项国家自然科学基金、国家重点研发计划、企事业单位合作科研任务。主导设计了多款高性能光学生物芯片与信号处理算法，并成功应用于光学脑机接口、智能戒指等可穿戴健康监测设备。

王国兴，上海交通大学集成电路学院（信息与电子工程学院）特聘教授，国家级高层次人才，博士生导师，创立生物电路与系统实验室团队。曾任示范性微电子学院执行院长，IEEE 电路与系统学会副主席、IEEE Transactions on Biomedical Circuits and Systems总主编。主持包括国家自然科学基金、国家重点研发计划在内的国家级、省部级、企业创新研究项目多项。技术转移转化创办可穿戴电子公司，估值数亿元。发表国际同行评阅期刊及会议论文200余篇。

论文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.76775