研究概述与核心突破 - 谷歌研究团队在《自然》期刊发表研究，开发了一种名为“被动心率监测”的深度学习系统，该系统可利用智能手机前置摄像头在日常使用中被动拍摄的面部视频片段来监测心率和静息心率[2][3] - 该技术的核心突破在于用户无需额外操作，仅通过正常使用手机，系统即可在后台无感测量心率，依托智能手机近100%的全球普及率，有望使心血管健康监测变得自然、平等且普及[5] 技术原理与公平性 - PHRM系统的科学原理基于视频式远程光电容积描记法，通过分析面部皮肤因心脏搏动引起的微弱光信号变化，从短短8秒的面部视频中计算出实时心率[7] - 研究解决了以往技术对深色肤色人群准确性下降的挑战，在浅色、中等和深色三种肤色群体的心率测量中，平均绝对百分比误差均低于10%且无显著差异，实现了测量的公平性[3][8] 验证规模与结果准确性 - 研究进行了迄今同类研究中规模最大的验证，使用了来自近700名参与者的超过35万条面部视频数据，涵盖实验室和真实自由生活场景，并确保肤色全覆盖[10] - 在实验室条件下，与心电图相比，PHRM系统心率测量的平均绝对百分比误差低于5.65%；在自由生活条件下，误差为6.09%，均优于行业标准[13] - 系统估算的每日静息心率与可穿戴设备相比，平均绝对误差小于每分钟5次，且与已知的心血管疾病风险因素显著相关[3][14] 未来前景与行业影响 - 该技术预示了普惠健康的未来，让全球数十亿智能手机用户无需额外花费即可获得持续、被动的心血管健康洞察[16] - 长期无感的静息心率监测有助于发现心率异常趋势，可能为心律失常、感染或压力状态提供早期预警线索[16] - 研究团队公开了预训练的心率模型和一个大型带标注的智能手机视频数据集，将推动该领域的后续研究[3][16] - 该研究将智能手机转变为潜在的健康监测平台，朝着“无感化”、“平等化”的健康管理迈出了关键一步[16][18]