《自然》：开发出AI模型，可通过面部视频测量心率并评估心脏健康
科学家在《自然》杂志上发表了一种机器学习模型，该模型利用智能手机的前置摄像头，在正常使用手机时进行被动心率监测。该系统能准确估算静息心率，并达到加速度计的行业标准。
智能手机面部视频被动心率监测：解析谷歌研究的AI突破
[核心要点]：实际发生了什么
2026年5月31日，由廖顺领导的谷歌研究团队在《自然》上发表论文，详细介绍了被动心率监测（PHRM）系统的开发，该系统使用智能手机的前置摄像头。在又一个AI算法的正式描述背后，是数字健康范式的根本转变：远程光电容积描记术（rPPG）技术首次在真实世界日常条件下，无需用户任何参与，就达到了临床意义的准确性。
这一进展的真正本质并非仅仅是从面部测量心率，而是如何实现的。以往的rPPG系统要求用户在摄像头前静坐30-60秒。PHRM则不同：它利用智能手机在正常使用过程中已经录制的视频片段，短至8秒——例如，使用Face ID解锁时、视频通话期间或观看内容时。这是一种“被动”测量，无需用户额外操作。
该研究以前所未有的规模进行：来自485名参与者的192,353个视频用于训练，来自211名参与者的162,546个视频用于验证。这是同类研究中规模最大的一次，而谷歌正采取一项企业不寻常的举措——不仅发表论文，还发布了完整的带注释数据集和预训练模型。这种开放性表明，该公司将这项技术视为未来基础设施，而非商业机密。
时间线与背景
rPPG技术已存在十多年。早在2013年，CHROM方法就在117名受试者上得到验证。然而，以往所有方法都面临两个根本问题：对肤色的敏感性和对理想光照条件的需求。谷歌克服了这些障碍。
大多数分析师忽略的一个关键点：该研究由Alphabet资助，所有作者均为公司员工并持有股份。此外，该技术已提交专利申请。这意味着PHRM并非慈善学术项目，而是对Android生态系统未来的战略投资。谷歌不仅仅是在发表科学论文，而是在为将医疗监测直接嵌入操作系统奠定基础。
在行业发展背景下，有必要提及并行工作。同年2026年，发表了关于FVBPSR-Mamba用于rPPG信号恢复的研究，以及通过相移测量血压的开发。然而，这些工作均未达到谷歌的规模和代表性。来自中国和韩国的研究人员继续在算法层面与问题作斗争，而谷歌则在数据层面解决了问题——通过收集一个庞大的带注释数据集，并均衡代表所有肤色。
谁赢谁输
赢家#1：谷歌和Android生态系统。 PHRM为谷歌提供了相对于苹果的独特竞争优势。苹果有Apple Watch，可准确测量心率，但他们没有无需额外设备即可在任何智能手机上运行的解决方案。全球数十亿部Android智能手机——尤其是在医疗基础设施有限的国家——突然变成了医疗设备。这不仅仅是一个“功能”，而是一项战略资产。
赢家#2：心血管疾病患者。 全球45亿人无法充分获得基本健康服务。对他们而言，PHRM是他们生命中第一个无需看医生或购买昂贵设备就能追踪关键健康生物标志物（静息心率）的工具。绝大多数人拥有智能手机；现在它可以拯救生命。与可穿戴追踪器相比，误差小于每分钟5次，具有临床意义。
赢家#3：研究社区。 谷歌正在发布数据集和模型。这意味着任何大学或初创公司现在都可以使用这些数据来训练自己的算法，而无需收集自己的数千名患者样本。医疗AI的准入门槛大幅降低。预计未来12-18个月内，基于该数据集的研究将如潮水般涌现。
输家#1：廉价可穿戴设备制造商。 小米、华为和三星等公司通过销售健身手环和智能手表赚取数十亿美元，其主要功能是心率测量。如果谷歌将PHRM集成到Android中（并且免费提供），用户为何还要花50-100美元购买单独的设备？实施后的2-3年内，廉价可穿戴设备市场可能萎缩30-40%。
输家#2：销售专有rPPG解决方案的公司。 有许多初创公司和小公司向企业客户（远程医疗、健身应用）销售其面部心率测量算法的许可。谷歌提供的免费、高精度、开放模型使他们的商业产品变得毫无意义。其中一些公司将在未来18个月内倒闭。
意外的输家：依赖低质量数据的医疗应用开发者。 用户现在将有一个参考标准（谷歌的PHRM）来比较其他应用。如果你的应用误差为15-20%（许多应用确实如此），用户会看到并删除它。医疗应用市场的“大清洗”不可避免。
媒体未提及的内容
第一：准确性仅适用于有效信号，而有效信号很少。 是的，当PHRM获得信号时，误差为5.65-6.09%。但在现实生活中，多久能获得一次信号？在自由生活条件下，能够提取有效心率的视频比例：浅肤色为58%，中等肤色为45%，深肤色仅为25%。这意味着深肤色人群四分之三的视频被系统直接丢弃。这不是一项“公平的技术”——它是一项仅在特定条件下才能良好工作的技术。新闻稿省略了这一点。
第二：功耗和本地处理是巨大问题。 PHRM需要实时视频处理。如果每次手机解锁都触发一个8秒的神经网络，电池电量会多消耗15-20%。谷歌尚未公布任何功耗数据。解决方案是将计算卸载到专门的神经处理单元（NPU），但并非所有智能手机都具备。在廉价设备上，该功能要么运行缓慢，要么根本无法工作。这造成了旗舰机用户与其他用户之间的数字鸿沟。
第三：隐私是这项技术的致命弱点。 PHRM需要访问前置摄像头并分析用户面部。是的，谷歌提到本地处理，但用户如何确保视频不会离开设备？对于注重隐私的用户（数据丑闻后更多），这项功能将不可接受。在欧洲，根据GDPR，每次测量都需要明确的知情同意。这将扼杀监测的“被动性”。如果不解决信任问题，该技术将仍然是小众的。
第四（最不明显）：该技术测量心率但不测量心律失常。 房颤是最危险的心律之一，会导致中风。检测它需要分析心率变异性（HRV）和不规则间隔。基于FFT频谱分析的PHRM平均了心率，丢失了变异性信息。谷歌未声称检测心律失常，但用户可能认为如果手机测量心率，就是在“检查心脏”。这是一个危险的误解，可能导致错过中风。
预测：未来30天和90天
未来30天： 预计医学界将出现一波出版物和评论。心脏病学家和肺病学家将开始讨论PHRM是否可用于筛查。首批独立验证研究将出现——大学实验室将尝试在自己的数据集上复制谷歌的结果。特别关注深肤色和儿童（谷歌的研究未包括儿童，仅成人）。关于监管状态的讨论也将开始：FDA是否需要批准一个仅显示心率的功能，还是它属于“健康功能”无需监管？谷歌可能走“非医疗设备”路线以避免官僚程序。
未来90天（到2026年9月）： 关注Google I/O大会（如果活动在9月）或单独的Pixel设备发布会上的公告。我预计PHRM将作为独家功能内置到Pixel 9（预计2026年秋季发布），然后在6-12个月后通过Google Play Services出现在所有Android智能手机上。与Google Fit以及可能的Fitbit（谷歌已收购）的集成也很有可能。将PHRM与Fitbit可穿戴设备的数据结合，将创建世界上最全面的心率数据集——每天数十亿数据点。
长期趋势（12-24个月）： 主要问题是谷歌能否解决低有效信号率（尤其是深肤色）和功耗问题。如果能，PHRM将成为被动健康监测的事实标准。如果不能，该技术将仍然是“有趣的科学工作”，无法真正实施。我给出60%的成功概率：深肤色问题是根本性的（黑色素确实吸收更多光），不能仅通过增加数据来解决。需要硬件改变——可能使用红外摄像头，这在主流智能手机中并不常见。这意味着PHRM的全面实施不仅是软件，而是软件+硬件，将大规模采用推迟3-5年。但谷歌指明了方向，现在苹果、三星和华为将加入竞赛。未来两年，移动行业将由谁首先让智能手机成为真正的医疗设备来定义。
— Editorial Team
