谷歌新技术让手机就能测心率全肤色通用误差低于10%

静息心率这个东西，在心血管健康评估和死亡率预测领域，分量有多重，不必多说。但问题在于，传统测量方式太麻烦——你得专门去诊室，安安静静躺上半天，才能拿到一个读数。要是想日常监测，基本没戏。

好在智能手表、手环这几年铺开了，它们能在你休息的时候偷偷测一下，算个静息心率出来。但话说回来，可穿戴设备的普及率还是有限。相比之下，智能手机才是真正的“国民级设备”——全球约70%的人在用，平均每人每天解锁手机144次。这个高频、低门槛的入口，如果能用来测心率，那想象空间就大了。

最近，谷歌研究院和华盛顿大学的团队在《自然》上发表了一项成果：他们搞出了一个叫PHRM的系统，能在手机后台，通过前置摄像头，在你解锁屏幕的瞬间，无感、被动地采集8秒面部视频，实时测算心率和每日静息心率。更关键的是，他们把预训练模型和大型视频数据集都开源了，数据还做了严格的去隐私和授权处理。

用摄像头测心率的原理，学术上叫远程光电容积脉搏波描记法（rPPG）。说白了，就是每次心跳，面部皮下的毛细血管会跟着微微扩张收索，导致皮肤对光线的吸收和反射率产生肉眼看不见的微小变化。摄像头恰好能捕捉到这种“肤色微变”，从而反推出心率。听着玄乎，但技术路径是明确的。

PHRM的运作方式很简洁：它被设计成在后台一直挂着，你日常解锁手机时，它就自动录一段8秒的脸部视频。然后系统会对视频做裁剪、尺寸调整、稳定等预处理，再扔进模型。模型不光输出心率值，还附带一个“置信度得分”——如果它觉得自己没谱（比如你在跑步、戴了口罩、光线暗得离谱），就直接丢弃这次数据，不报结果。

图 | PHRM 系统的概述、开发和验证（来源：上述论文）

为了验证这套系统到底靠不靠谱，团队搞了迄今为止规模最大的同类研究。五年里，他们收集了485名参与者的19.2万段视频来训练模型，又另找211人，用16.2万段视频做验证。注意，所有验证都以高精度医疗心电图作为金标准。

最让人感兴趣的是自由生活测试阶段：参与者用自己的手机，在8天里该怎么用就怎么用。视频场景五花八门——明亮的办公室、昏暗的被窝、刺眼的户外、戴着口罩、只露半张脸、静止坐着、边走边看、甚至颠簸的车厢内。这可不是实验室里控制变量，而是真的“现实世界”考验。

（来源：上述论文）

研究团队在招募时还特别注意肤色的均衡性。他们按照FDA建议，采用了僧侣肤色量表（MST 1-10），确保浅、中、深肤色受试者都有覆盖。结果呢？PHRM在各肤色群体中的测量误差都低于10%，各组之间的精度差异小于5个百分点。这个10%的门槛，正是美国国家标准学会与消费技术协会（ANSI/CTA）对消费级心率监测仪的合格线。换句话说，它已经达标了。

团队还把PHRM与2019至2025年间发表的15种rPPG模型做了对比。在真实世界场景下，那些老模型遇到深色皮肤或复杂光线时，误差飙升得厉害。而PHRM是唯一一个在所有肤色组别里误差都低于10%的。这一点，可以说相当扎实。

图 | PHRM 和其他方法的比较（来源：上述论文）

每日静息心率怎么算出来的？PHRM一天里零散收集多次有效心率数据，再用卡尔曼滤波算法，从这些带有噪声的间歇性测量中，估算出一个稳定的日静息心率。和商用可穿戴设备（比如Fitbit Charge 6）比，它的误差小于5次/分钟。更有意思的是，研究人员发现，这种通过一天多次被动测量算出来的静息心率，比传统那种让人平躺几分钟只测一次的方法更稳定——想想也不奇怪，毕竟样本量大了。

为进一步验证信号有效性，他们还将测得的静息心率与受试者的身体指标做了交叉分析。结果发现，静息心率偏高的人群，往往伴随着更高的体重指数（BMI）和更低的最大摄氧量（VO2 max）。这意味着，PHRM捕捉到的信号确实反映了心血管健康状态，能间接提示潜在风险。

当然，谁也不愿意让手机摄像头随时在背后盯着。隐私问题绕不开。研究团队显然也考虑到了：首先，功能开启前需要用户主动知情同意；其次，所有计算都在手机本地完成——摄像头拍下的面部视频会立即处理成心率数据，不上传云端。另外，系统要求视频至少录8秒，这也过滤掉了大量短暂、无效的交互。

有一个细节值得关注：深肤色受试者测试时的数据采集成功率略低。研究人员分析可能是深色皮肤中rPPG信号更难检测，优化相机曝光或提高测量频率应该能改善。还有就是部分异常高误差可能由剧烈运动引起，未来可以改进视频防抖技术。

总结下来，PHRM证明了：在日常使用智能手机的过程中，可以实现对不同肤色人群心率和静息心率的被动监测。它的意义在于——让手机变相具备了类似可穿戴设备的无感健康监测能力，而且门槛更低。未来，这项技术也许还能扩展到心率之外的其他生理信号。

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