智能手表精准估算高级步态指标解锁健康洞察

我们通过大规模验证研究证实，智能手表是估算时空步态指标的高度可靠平台。

步态指标——包括行走速度、步长和双支撑时间（即步态周期中双脚同时着地的比例）等测量值——被认为是评估个人整体健康状况、跌倒风险以及神经或肌肉骨骼疾病进展的重要生物标志物。分析一个人的行走方式，即步态分析，能够提供有价值的、非侵入性的洞察，帮助了解整体健康状况、损伤和健康问题。

从历史上看，测量步态需要昂贵的专业实验室设备，这使得持续追踪变得不切实际。虽然智能手机现在利用其内置的惯性测量单元（IMU）提供了便携式替代方案，但它们需要精确放置——例如大腿口袋或腰带——才能获得最准确的结果。相比之下，智能手表佩戴在手腕的固定位置。这为持续追踪提供了更加实用和一致的平台，甚至将追踪窗口扩展到无手机场景，比如在家中走动。

尽管具有这一关键的后勤优势，智能手表在全面步态指标评估方面历来落后于智能手机。在我们的研究"基于智能手表的步态指标估算"中，我们试图弥合这一差距。我们证明了消费级智能手表是估算全面时空步态指标套件的高度可行、准确和可靠的平台，其性能可与基于智能手机的方法相媲美。

模型架构

为了实现这一目标，我们开发了一个基于时间卷积网络（TCN）架构的多输出（即多头）深度学习模型，该架构对智能手表和智能手机数据完全相同。这个多头模型是与之前基于TCN方法的关键区别，后者通常只提供时间事件（如接触点），需要容易产生漂移的积分来计算步长和步态速度等空间指标。相比之下，我们的模型直接估算所有时空步态指标。

我们的模型采用两个关键输入：用户身高（单个标量人口统计输入）和原始IMU信号，包括来自单个手腕佩戴的Pixel Watch的3轴加速度计和3轴陀螺仪数据，采样频率为50 Hz。模型架构从IMU传感器输入中提取嵌入特征，然后在最终预测层之前与人口统计数据连接。多头模型输出直接估算一套全面的测量值，包括双侧指标，分别为步态速度和双支撑时间各一个头，以及单侧指标，步长、摆动时间和支撑时间各两个头（左脚和右脚各一个）。

对于数据分段，我们使用5秒窗口，重叠1秒。我们使用平均绝对百分比误差（MAPE）作为损失函数，它独特地优化了所有多单位输出（例如，以厘米为单位的步长，以毫秒为单位的双支撑时间）的相对准确性。

验证研究

为了严格评估模型，我们进行了一项大规模验证研究，包括246名参与者和约70,000个步行片段。参与者筛选标准为18岁以上，不使用辅助设备，且没有影响平衡或步态的疾病。数据从两个国际队列收集：加利福尼亚州山景城的谷歌和日本京都大学。

对于参考（真实值）测量，我们使用了实验室级的Zeno Gait Walkway系统。参与者每只手腕佩戴一个Pixel Watch 1，并在前口袋、后口袋、背包和斜挎包中放置四部Pixel 6手机。

研究方案包括多种步行模式，以确保全面评估：包括不同速度的步行、转弯、上下楼梯等场景。

智能手表模型使用来自两个手腕佩戴设备的数据进行训练，而智能手机模型的测试阶段专门使用前后口袋手机放置的数据，因为它们预期最普遍且准确性最高。我们采用五折交叉验证策略，通过将单个参与者的所有数据分配到单个分割中来最大化测试队列并防止数据泄漏。

研究结果

结果共同证明了基于智能手表方法的准确性、相关性和可靠性，显示出与智能手机估算相当的性能，尽管智能手机模型使用的训练数据段数量约为智能手表的两倍。

步态参数准确性反映了Pixel智能手表和Pixel智能手机的平均绝对百分比误差（MAPE）（N=246名参与者）。箱体表示四分位距（Q1-Q3），须线显示第1至第99百分位数。

影响与未来工作

这些发现是将无处不在的手腕智能手表确立为基于步态的准确可靠健康追踪基础技术的重要一步。通过将全面的步态分析从实验室带到手腕上，我们可以实现：

持续的健康监测：在日常生活中无缝追踪步态变化，无需专门的设备或设置。

早期疾病检测：识别可能表明健康状况恶化的步态模式微妙变化。

个性化健康建议：基于个人步态数据提供定制的运动和健康指导。

智能手表提供了一个实用且一致的健康追踪平台，克服了与智能手机相关的放置问题。我们的后续工作将探索完善和扩展指标套件，以最大化智能手表在主动健康追踪和建议中的效用。

研究团队

以下研究人员为这项工作做出了贡献：Amir B. Farjadian、Shun Liao、Alicia Y. Kokoszka、Kyle DeHolton、Jonathan Hsu、Jonathan Wang、Lawrence Cai、Mark Malhotra、Shwetak Patel、Anupam Pathak、Ming-Zher Poh。

Q&A

Q1：什么是步态指标？为什么它们对健康评估很重要？

A：步态指标是测量行走方式的各种参数，包括行走速度、步长和双支撑时间（双脚同时着地的比例）等。这些指标是评估个人整体健康状况、跌倒风险以及神经或肌肉骨骼疾病进展的重要生物标志物，能够提供有价值的、非侵入性的健康洞察。

Q2：智能手表相比智能手机在步态追踪方面有什么优势？

A：智能手表佩戴在手腕的固定位置，提供了更加实用和一致的追踪平台。而智能手机需要精确放置在大腿口袋或腰带等位置才能获得准确结果。智能手表还能在无手机场景下进行追踪，比如在家中走动时，使持续健康监测更加便捷。

Q3：这项研究的验证规模有多大？准确性如何？

A：研究进行了大规模验证，包括246名参与者和约70,000个步行片段，使用实验室级Zeno Gait Walkway系统作为参考标准。结果显示智能手表的性能可与智能手机方法相媲美，尽管智能手机模型使用的训练数据量约为智能手表的两倍，证明了智能手表作为步态追踪平台的高度准确性和可靠性。