阿姆斯特丹大学医学中心的一项新研究显示,Apple Watch在检测房颤方面表现出了显著的有效性,为可穿戴设备在心脏健康监测领域的应用提供了重要证据。
Apple Watch自2018年第四代产品开始加入ECG应用程序和心律不齐通知功能。自那时起,关于Apple智能手表帮助挽救生命的案例不断涌现。而这项来自阿姆斯特丹大学医学中心的最新研究,进一步证实了Apple Watch在检测心房颤动方面的卓越表现。
研究设计与参与者
这项为期六个月的研究涵盖了437名参与者,所有人都年龄超过65岁且具有较高的中风风险。研究人员将219人分配到Apple Watch组,要求他们每天佩戴设备约12小时,而另外218人则接受标准医疗护理。
研究结果显示重要差异
经过六个月的监测,研究结果显示了Apple Watch在房颤检测方面的显著优势。这一发现突出了Apple Watch能够在那些从未主动寻求房颤检测的人群中发现这一疾病的能力,特别是对于那些自我感觉良好的患者。
房颤通常具有间歇性和无症状的特点,因此短期监测往往容易错过。这正是Apple Watch持续监测功能发挥关键作用的地方。通过全天候的心率监测,该设备能够捕捉到传统检测方法可能遗漏的房颤发作。
专家观点
阿姆斯特丹大学医学中心的心脏病专家Michiel Winter对这项研究结果给予了积极评价。他指出,这种持续性监测技术为早期发现和预防心脏相关疾病提供了新的可能性。
这项研究的完整内容已发表在JACC期刊网站上,为医疗专业人士和研究者提供了详细的数据分析和研究方法论。
Q&A
Q1:Apple Watch从什么时候开始具备心律监测功能?
A:Apple Watch从2018年第四代产品开始加入ECG应用程序和心律不齐通知功能,自那时起就开始在心脏健康监测领域发挥作用。
Q2:这项房颤检测研究是如何进行的?
A:阿姆斯特丹大学医学中心进行了一项为期六个月的研究,涉及437名65岁以上且有较高中风风险的参与者。其中219人佩戴Apple Watch每天约12小时,另外218人接受标准医疗护理进行对比。
Q3:为什么Apple Watch的持续监测对房颤检测很重要?
A:房颤通常具有间歇性和无症状的特点,患者自我感觉良好,传统的短期监测容易错过。Apple Watch的全天候持续监测能够捕捉到传统检测方法可能遗漏的房颤发作,特别是在那些从未主动寻求检测的人群中发现疾病。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。