近日，谷歌研究院与华盛顿大学团队在《Nature》期刊上发表了一项最新研究成果，名为「被动心率监测系统」（PHRM）。该系统可利用智能手机的前置摄像头，在用户日常解锁手机时被动测量实时心率与每日静息心率。

据介绍，PHRM 系统通过前置摄像头捕捉一段 8 秒的面部视频，采用深度学习技术分析由血流导致的皮肤微小颜色变化，从而估算心率。

研究团队共收集了来自近 700 名肤色多样参与者的超过 35 万段视频片段用于不同场景下的系统的开发与验证。

由于深色皮肤的用户在使用摄像头检测光电容积脉搏波信号时效果受限，因此谷歌设定了不同肤色的用户比例：肤色较浅者与中等的用户（分别为第一组和第二组）各占比至少 25%，肤色较深的（第三组）则至少 33%。

同时，为验证系统在真实环境中的表现，研究人员还安排参与者连续超过一周使用安装了专门设计的数据采集 App 的手机，同时佩戴心电图设备和 Fitbit Charge 6，每天记录 231 段视频片段，发现智能手机系统在实验室外的表现依然良好。

最终，有效数据里显示，各种条件下的整体 MAPE 值（Mean Absolute Percentage Error 的缩写，中文通常译为「平均绝对百分比误差」或「平均绝对百分误差」，是机器学习与预测建模中衡量模型精度的核心指标之一）均远低于美国消费技术协会（CTA）设定的 10% 误差标准。

在静息心率估算方面，该系统与 Fitbit Charge 6 的测量结果误差在每分钟 5 次以内，并且，随着心率测量天数的增加，误差还在继续缩小。研究团队强调，该技术在所有测试的肤色群体（浅色、中等、深色）中均达到了行业精度标准。

为了验证研究方法的准确性，谷歌还发现：在控制了各种相关变量后，那些通过 PHRM 计算得出的心率变异性较高的人，往往具有较高的体重指数（BMI），并且心血管健康状况较差（即最大摄氧量较低）。这表明，PHRM 能够准确反映心血管风险的走向。

不过，目前该系统仍处于研究阶段，在实际应用中面临不少挑战。在真实生活环境中，深肤色人群的 PPG 信号捕捉仍是难点。

此外，用户在说话、头部移动时，以及低光照等环境下，都可能引入测量误差。电池续航和敏感面部视频数据的隐私保护问题也有待进一步解决。

谷歌也提出了一些未来的改进措施，比如优化摄像头的曝光设置/增加采样次数、改进视频稳定技术、利用加速度计来判定合适的测量时机等等。

目前，PHRM仍是一个研究项目，尚未落地为正式产品。但如果智能手机未来能够在不依赖额外硬件的情况下可靠地追踪心血管健康指标，意味着数十亿智能手机用户都有望享受到更便捷的心脏健康监测。

编辑：陈述 / 深圳湾