外周动脉疾病（PAD）影响着800万至1200万美国人。这种疾病是由血液中的斑块（胆固醇和其他物质）在血管内积聚引起的，限制了流向腿部的血液流动，对边缘化社区的影响尤为严重。作为肢体截肢的主要原因之一，PAD通常在患者出现并发症之前难以被发现，部分原因在于诊断需要前往专业诊所进行耗时且繁琐的踝臂指数（ABI）测试。
如今，加州大学圣地亚哥分校的跨学科研究团队报告称，一种名为光电容积描记法（PPG）的简单技术结合人工智能（AI）可以高精度检测PAD。该技术可作为"数字生物标志物"，快速无创地筛查这种疾病，有望实现更早的诊断和治疗。该研究发表在《npj数字医学》期刊上。
"PPG的工作原理是将光线照射到组织中，在我们的案例中是脚趾，"该研究的共同第一作者、Jacobs工程学院Edward J. Wang博士实验室的博士生Ava J. Fascetti表示，"光电传感器测量反射回来的光量，使我们能够检测血液体积的微小变化：即我们所说的PPG信号。"
这项研究的灵感来源于共同第一作者、心血管医学科医学副教授兼心脏病学信息学医学主任Mattheus Ramsis博士与UC San Diego医学院血管和血管内外科部门的外科副教授Elsie G. Ross博士的对话，他们了解到在患者接受ABI测试的同时，常规会在脚趾上进行PPG记录。
"那一刻我灵光一现，"Ramsis表示。
他招募了四年级医学生Mustafa H. Naguib，收集了2020年至2025年间在UC San Diego Health接受ABI测试的3500多名患者的10000多个脚趾PPG记录数据集。研究团队随后提取了与患者ABI结果显著相关的78个PPG特征。基于这些PPG特征，他们开发了一个机器学习模型来检测患者是否患有PAD。
"当我们仅使用PPG数据构建模型时，它在区分PAD患者（通过异常ABI定义）与非患者方面表现出强劲性能，正确区分PAD病例的准确率约为83%，而传统临床风险因素评估通常只能达到约60%-65%的性能，"Ramsis表示。添加患者的吸烟状况使模型性能再提高2%。"重要的是，该信号反映了脚趾中的生理血流变化，提供了超越常规临床评估的信息。"
更重要的是，该模型在黑人、西班牙裔和白人患者中表现相似，并且在UC San Diego Health的两个不同医疗校区的数据上，包括患有冠状动脉疾病、糖尿病和终末期肾病的患者，都表现出一致的效果。
Ramsis表示，下一步是在包括智能手机、脉搏血氧仪和可穿戴技术在内的多种PPG捕获设备上验证这种方法，以确定该模型在现实环境中的有效性。虽然目前没有计划用PPG筛查取代ABI测试，但他认为它可以补充这种更成熟的方法。
"一旦患者到达诊所，ABI测试需要15-30分钟，而PPG筛查只需几秒钟，"他说。"由于95%的人拥有智能手机或某种先进设备，我们可以潜在地绕过目前限制ABI测试获取的交通、经济和机构障碍。"
快速PPG筛查可在诊所用作现场分诊，高风险患者甚至可以通过智能手机应用程序进行自我筛查，从而在重大不良肢体事件发生前及时转诊。
"如果我们能够及早发现PAD以防止肢体截肢，那将是最终的影响：保护肢体功能，降低死亡率，并解决服务不足人群中的障碍，"Ramsis表示。
"我们设想这项工作是可扩展生物信号基础设施如何支持整个医疗系统中下一代数字诊断发展的早期示例，"Ramsis补充道，他也是新成立的UC San Diego生物信号存储库的创始主任。"通过此类研究收集的生理数据将为未来基于生物信号的研究、转化和临床实施奠定基础。"
出版详情
Mattheus Ramsis等人，外周动脉疾病的数字生物标志物的开发与验证，《npj数字医学》（2026）。DOI: 10.1038/s41746-026-02655-w
期刊信息：《npj数字医学》
关键医学概念
外周动脉疾病、光电容积描记法、人工智能、踝臂指数
临床类别
心脏病学、常见疾病与预防
提供单位：加州大学圣地亚哥分校
【全文结束】
