谷歌最新Nature论文：看一眼手机就能测心率！

撰文丨王聪

编辑丨王多鱼

排版丨水成文

静息心率（RHR）是心血管健康和死亡率的一个关键生物标志物，但长期被动监测通常需要可穿戴设备（例如运动手环、智能手表等），这限制了其普及性。

2026 年 6 月 1 日，谷歌研究院Liao Shun等人在Nature期刊发表了题为：Passive heart-rate monitoring during smartphone use in everyday life 的研究论文。

该研究介绍了一种被动心率监测（Passive Heart-Rate Monitoring，PHRM）系统，这是一种深度学习系统，利用面部视频光体积描记法，在日常智能手机交互过程中对心率（HR）和静息心率（RHR）进行无感测量。PHRM 在基准测试中优于现有最先进（SOTA）方法。与参考心电图相比，PHRM 在浅色、中等和深色三种肤色群体的心率测量中的平均绝对百分比误差（MAPE）均低于 10%，达到了行业准确度标准，且各肤色群体 MAPE 相互之间无显著差异。通过 PHRM 测量的每日静息心率与可穿戴心率追踪器相比，平均绝对误差小于每分钟 5 次，并且与心血管疾病的已知风险因素相关。

总的来说，该研究开发的深度学习系统PHRM，能够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，该系统达到行业标准的心率测量精度，在测量每日静息心率方面与可穿戴设备同样准确。这些结果凸显了智能手机在实现心脏健康被动且公平监测方面的潜力。此外，为了促进进一步的研究，研究团队公开发布了一个大规模的带标注智能手机视频数据集以及一个预训练心率模型。

健康监测的“无感”革命

静息心率（RHR）是评估心血管健康的关键指标，但传统上要准确、长期地监测它，通常离不开智能手表、运动手环等可穿戴设备。这无形中为健康监测设下了门槛——并非所有人都愿意或能够长期佩戴可穿戴设备。

谷歌研究团队在Nature期刊杂志上发表的这项最新研究，带来了一种全新的解决方案——被动心率监测系统。它的核心突破在于，用户无需任何额外操作，只需像平常一样使用智能手机，系统就能在后台通过前置摄像头“悄无声息”地测量你的心率。

这项技术依托于智能手机近乎 100% 的全球普及率，有望让精准的心血管健康监测变得像使用手机一样自然、平等且无处不在。

技术核心：通过“看脸”测心跳

这项名为被动心率监测（Passive Heart-Rate Monitoring，PHRM）的系统，其科学原理基于一项成熟技术——视频式远程光电容积描记法，利用普通摄像头非接触式地检测皮肤（通常是面部）因心脏搏动引起的微弱血容积变化，从而估算心率、呼吸率等生理指标。

简单来说，当心脏泵血时，面部皮肤下的血液容积会发生微弱的周期性变化，这种变化会影响皮肤反射的光线。手机前置摄像头在录制视频时，会捕捉到这些细微的光信号变化。PHRM 系统通过先进的深度学习模型，从短短 8 秒的面部视频中，分析这些光信号，从而计算出实时心率。

PHRM 系统的概述、开发与验证

该研究最大的挑战与亮点在于公平性与准确性。以往，类似技术在深色皮肤人群上的准确性会显著下降，因为皮肤中的黑色素会吸收更多光线，干扰信号。而谷歌研究团队此次特别注重了这一点，实现了在浅色、中等和深色三种肤色群体的心率测量中无显著差异。

大规模验证：结果有多可靠？

为了验证系统的可靠性，研究团队进行了迄今同类研究中规模最大的验证——

1、海量数据：研究共使用了来自近 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。

2、肤色全覆盖：参与者按肤色深浅被分为三组（使用 FDA 推荐的 Monk 肤色量表），确保系统在所有人群中都经过严格测试。

3、严苛对比：在实验室中，以医疗级心电图（ECG）为金标准；在自由生活测试中，以可穿戴心率设备为参照。

核心结果令人振奋——

• 高精度：在实验室条件下，与心电图相比，心率测量的平均绝对百分比误差（MAPE）低于 5.65%；在自由生活条件下，误差也仅为 6.09%，均显著优于行业标准（MAPE < 10%）。

• 跨肤色公平：系统在浅、中、深三种肤色组中均达到了预设的“非劣效性”目标，即不同肤色组间的性能差异小于 5 个百分点，证明了其测量的公平性。

• 静息心率监测：系统通过聚合一天中多次测量值估算出的每日静息心率，与可穿戴设备相比，平均绝对误差小于 5 次/分钟，且与已知的心血管疾病风险因素显著相关。

自由生活条件下 PHRM 系统对心率和静息心率测量的准确性

未来前景

这项研究的成功，预示着几个激动人心的未来方向——

1、普惠健康：让全球数十亿智能手机用户，无需额外花费，就能获得持续、被动的心血管健康洞察。

2、早期预警：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线索。

3、开放科研：谷歌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，将极大推动该领域的后续研究。

谷歌研究团队的这项研究，将我们习以为常的智能手机，变成了一个潜在的健康监测平台。它拆除了可穿戴设备的技术与使用门槛，朝着“无感化”、“平等化”的健康管理迈出了关键一步。或许在不久的将来，我们只需解锁一下手机屏幕，就能检测出心脏健康。

论文链接：

https://www.nature.com/articles/s41586-026-10507-6