静息心率是衡量心血管健康及预测死亡率的关键生物标志物。传统测量方式需在诊室静坐或静躺，操作繁琐。虽然智能手环等可穿戴设备提供了日常监测方案，但普及率有限。相比之下，全球智能手机普及率高达 70%，用户日均使用频次极高，这为无感健康监测提供了新契机。
近日，谷歌研究院与华盛顿大学团队在《Nature》发表最新成果，推出基于手机前置摄像头的被动心率监测系统（PHRM）。该系统可在用户日常解锁屏幕时，无感采集实时心率与每日静息心率数据。研究团队已开源预训练深度学习模型，并发布了包含多肤色群体的大型去隐私化视频数据集。
技术原理：基于 rPPG 的无感监测
利用摄像头测心率的技术在学术界称为远程光电容积脉搏波描记法（rPPG）。其原理在于心脏跳动会将血液泵入面部皮下毛细血管，引起血管体积微小变化，进而改变皮肤对光线的吸收与反射率。摄像头可捕捉这种肉眼不可见的微弱颜色变化，从而计算心率。
PHRM 系统设计为后台被动运行。当用户解锁手机时，系统自动通过前置摄像头捕捉 8 秒面部视频。视频经裁剪、缩放及稳像预处理后输入模型，模型不仅预测心率，还输出“置信度得分”。若用户处于剧烈运动、佩戴口罩或光线不足等导致测量不准的场景，系统将自动过滤无效数据。
图 | PHRM 系统的概述、开发和验证（来源：上述论文）
大规模验证：覆盖多样场景与肤色
研究团队开展了同类研究中规模最大的验证实验。五年间，团队收集了 485 名参与者的 19.2 万段视频用于开发，并招募 211 名参与者提供 16.2 万段视频进行验证，所有数据均以高精度医疗心电图为对照。
在为期 8 天的自由生活测试中，参与者在无约束的日常环境下使用手机。数据采集场景涵盖明亮办公室、昏暗卧室、强光户外，以及佩戴口罩、半脸遮挡、行走中解锁、车厢颠簸等多种复杂情况。
图 | 用于验证 PHRM 系统的自由生活数据多样性的代表性示例（来源：上述论文）
为确保公平性，研究依据 FDA 建议，均衡纳入浅、中、深三种肤色人群，并利用僧侣肤色量表（MST 1-10）评估色素沉着程度。
精度表现优于行业标准
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%，组内精度差异小于 5 个百分点。这一误差水平符合美国国家标准学会与消费技术协会（ANSI/CTA）规定的消费级心率监测仪合格线。
在与 2019 至 2025 年间发表的 15 种 rPPG 模型对比中，以往模型在深色肤色或复杂光线下误差显著飙升，而 PHRM 是唯一在所有肤色组别中均将误差控制在 10% 以内的模型。
图 | PHRM 和其他方法的比较（来源：上述论文）
静息心率测算更稳定
为获取每日静息心率，PHRM 利用卡尔曼滤波算法，从一天中零散采集的有效测量值中去除噪声，准确计算个体当日静息心率。与商用可穿戴设备（如 Fitbit Charge 6）相比，PHRM 测算的每日静息心率误差小于 5 次/分钟。研究发现，这种基于多次被动测量的方法，比传统单次平躺测量更为稳定。
交叉对比显示，系统测得的高静息心率人群，往往伴随较高的体重指数（BMI）和较低的最大摄氧量（VO2 max），证实了该信号能有效反映潜在健康风险。
隐私保护与未来展望
针对摄像头调用引发的隐私担忧，研究团队采取了严格保护措施。首先，功能开启需用户明确知情同意；其次，依托手机本地算力，所有计算均在设备端完成。面部视频即时转化为心率数据，无任何画面上传云端。此外，8 秒的最短录制时长要求也过滤了大量无效交互。
研究指出，深肤色人群的成功率略低于浅肤色人群，主要因信号检测难度较大，未来可通过优化相机曝光或提高测量频率改善。部分高误差案例由过度运动引起，后续研究将探索改进视频防抖技术。
综上所述，PHRM 证明了智能手机在日常使用中可被动、高效地监测不同肤色人群的心率及静息心率，有望提供媲美可穿戴设备的无感健康监测方案。未来研究还将拓展至心率以外的其他生理信号监测。
参考链接：
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