谷歌新技术让手机就能测心率，全肤色通用，误差低于10%

静息心率被公认为是衡量心血管健康和预测整体死亡率的关键生物标志物和预后因素。然而，传统医学获取静息心率的方法较为繁琐，通常需要患者在诊室里静躺或静坐一段时间后才能测量。

近年来，随着智能手环、智能手表等消费级可穿戴设备的兴起，人们似乎找到了解决日常监测的方法。这些设备通常会在一天中用户处于休息状态时，被动地收集心率数据，并借此推算出一天的静息心率。

尽管消费级可穿戴设备的市场正在不断扩大，但它们的普及率依然非常有限。相比之下，智能手机的普及率更高。数据显示，目前全球约 70% 的人口都拥有智能手机，普通人平均每天使用手机高达 144 次。

近日，谷歌研究院和华盛顿大学的团队在 Nature 发表了最新研究成果，他们开发了一款能够运行在手机上的被动心率监测系统 PHRM，可以让手机仅靠前置摄像头，就能在用户日常使用、解锁屏幕的过程中，无感、被动地测量实时心率与每日静息心率。

研究团队不仅开源了经过预训练的深度学习模型，还向学术界公开发布了这个包含所有肤色群体的大型智能手机视频数据集，所有数据都经过了严格的去隐私和授权处理。

用摄像头测心率，在学术界被称为远程光电容积脉搏波描记法（rPPG）。它的基本原理并不复杂：人类的心脏每次跳动，都会将血液泵入面部皮下的毛细血管，导致血管的体积发生微小的变化。这种变化会改变面部皮肤对光线的吸收和反射率。虽然肉眼看不见，但摄像头却能捕捉到这种伴随心跳产生的微弱的颜色变化，从而计算出心率。

在这项研究中，研究团队开发的 PHRM 系统被设计为在后台被动运行，当用户日常解锁手机屏幕时，它会自动通过前置摄像头捕捉一段 8 秒的面部视频。

图 | PHRM 系统的概述、开发和验证（来源：上述论文）

系统会对这段视频进行面部裁剪、尺寸调整和视频稳定等预处理，然后将其输入到一个模型中。模型不仅会预测心率，还会给出一个“置信度得分”。这意味着，如果当时你在剧烈运动、戴着口罩或者光线极暗，系统知道自己测不准，就会自动过滤掉这次的无效数据。

为了验证这套系统的真实能力，研究团队开展了迄今为止同类研究中规模最大的验证实验。

五年时间里，研究团队总共收集了来自 485 名参与者的 19.2 万段视频用于开发系统，并招募了另外 211 名参与者，利用他们的 16.2 万段视频进行模型验证。所有的验证都以高精度的医疗心电图作为对照。

在长达 8 天的自由生活（Free-living）测试阶段，参与者使用自己的手机，在毫无约束的日常生活中正常使用。系统收集到的视频场景五花八门：有在明亮的办公室、有在昏暗的被窝里、有在阳光刺眼的户外、有人戴着口罩、有人只露出了半张脸、有静坐时的解锁、也有边走路边看手机，甚至是在颠簸的车厢内。

（来源：上述论文）

同时，研究团队在招募受试者时，根据 FDA 的建议，均衡纳入了浅、中、深三种肤色人群。他们通过采用僧侣肤色量表（Monk Skin Tone, MST）来评估受试者的皮肤色素沉着程度，并确保整个量表范围内（MST 1-10）都有受试者参与。

结果显示，与心电图数据相比，PHRM 在各肤色群体中的测量误差均低于10%，各组内精度差异小于 5 个百分点。根据美国国家标准学会与消费技术协会（ANSI/CTA）联合发布的规范，误差低于 10% 正是消费级心率监测仪必须达到的行业合格线。

研究团队还将 PHRM 与 2019-2025 年间发表的 15 种 rPPG 模型进行了对比。结果显示，在真实世界的考验下，以往的模型在遇到深色肤色或复杂光线时表现一般，误差飙升。PHRM 则是唯一一个在所有肤色组别中都能将误差控制在 10% 以内的模型。

图 | PHRM 和其他方法的比较（来源：上述论文）

为了得到每日静息心率，PHRM 会在一天中会零散地收集多次有效的心率测量结果。通过应用卡尔曼滤波（Kalman filter）算法，系统能从这些带有噪声的间歇性日常测量中，准确地计算出个体当天的静息心率。

与商用可穿戴健身追踪器（Fitbit Charge 6）相比，PHRM 测算出的每日静息心率的误差小于 5 次/分钟。有趣的是，研究人员发现，这种依靠手机在一天内进行多次被动测量计算得出的静息心率，比传统的让人平躺几分钟只测一次的方法更稳定。

研究人员还将测得的静息心率与受试者的身体指标进行了交叉对比：在使用该系统测得静息心率较高的人群中，更可能伴随着较高的体重指数（BMI，意味着肥胖）和较低的最大摄氧量（VO2 max，意味着心血管健康状况较差）。验证了 PHRM 提取的信号确实反映了人体真实的生理健康状况，可以反映出潜在的风险因素。

当然，任何涉及随时随地调用摄像头的技术，都不可避免地会引发公众对隐私泄露的担忧。研究团队在论文中明确表示，这项技术的初衷是造福人类，因此隐私保护被放在了极其重要的位置。

首先，在实际应用中，手机用户会被明确告知并主动授予知情同意后，被动心率测量功能才会开启；其次，得益于如今智能手机强大的本地算力，PHRM 系统的所有计算都可以直接在设备本地运行。

这意味着，摄像头拍下的所有面部视频都会在用户的手机中被即时处理并转化为心率数据，不会有视频画面被上传到云端；此外，系统还要求视频录制时长至少达到 8 秒，这无形中过滤掉了许多极其短暂且容易造成误判的无效交互。

值得注意的是，研究表明，深肤色的人群在测试时成功率略低于肤色较浅的受试者，研究人员称这可能是由于在深色皮肤中检测心率信号较为困难。优化相机曝光设置或提高测量频率可以提高成功率。另外，研究人员分析，还有一部分异常高的误差可能是由过度运动引起的。未来的研究可以探索改进视频防抖技术等方式。

总之，PHRM 表明，在日常使用中，智能手机可以被动监测不同肤色人群的心率和静息心率，其有望使智能手机提供类似可穿戴技术的无感、高效的心率和心脏健康监测。未来的研究还可以探索利用手机监测除心率以外的其他信号。

1.Liao, S., Di Achille, P., Wu, J. et al. Passive heart-rate monitoring during smartphone use in everyday life. Nature (2026). https://doi.org/10.1038/s41586-026-10507-6

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成