Google Research 发布被动心率监测系统 PHRM
一句话看懂：Google Research 在《自然》杂志上发表了一项研究成果，推出了一种名为 PHRM 的被动心率监测系统，无需额外穿戴设备，仅通过智能手机前置摄像头在日常使用中即可采集面部视频，估算心率和静息心率，且准确率在行业标准范围内。
事件核心：发生了什么
2026 年 6 月 4 日，Google Research 在《自然》（Nature）杂志上发表了题为《日常智能手机使用中被动心率监测》的研究，公布了其研发的 PHRM （Passive Heart Rate Monitoring）系统。该系统利用智能手机前置摄像头，在用户面部解锁后的几秒内捕捉面部视频片段，通过深度学习的时序卷积神经网络（temporal shift convolutional neural networks）处理，推算心率，平均绝对百分比误差（MAPE）小于 10%。研究团队还通过整合全天的心率测量值，结合卡尔曼滤波，估算出每日静息心率（RHR），其平均绝对误差（MAE）小于 5 次/分钟，与主流可穿戴设备的精度相当。
为保障模型在不同肤色人群中的公平性，研究团队使用了包含近 700 名不同肤色的参与者的 35 万个视频片段进行训练，并确保深肤色（Monk 8-10）参与者占数据集至少 33%，这一比例符合美国 FDA 的指导要求。该系统在各项亚组的准确率差异小于 5 个百分点，达到了非劣效标准。
为什么重要
这项研究的意义在于，它有望将心率监测的入口从智能手表、手环等可穿戴设备，扩展到全球约 50 亿部已拥有智能手机的用户。对于缺乏可穿戴设备使用意愿或经济条件的人群，尤其是在医疗资源相对匮乏的地区，被动监测提供了一种可随时随地触达的健康风险评估手段。同时，该研究开源了目前规模最大、多样性最丰富的智能手机面部视频数据集（需申请），以及一个预训练模型 PHRM-mini，这为更多研究者和开发者进入远程光电容积描记（rPPG）领域提供了基础，推动该技术在真实世界和全肤色人群中的应用验证。
对用户/开发者/创作者的影响
对普通用户而言，如果该技术进入产品阶段，未来智能手机可能无需任何主动操作，就能在解锁手机后悄悄记录心率数据，帮助长期追踪静息心率变化，更好地预警心血管风险。对开发者与研究人员，Google 提供了高质量的开源数据集和轻量级基线模型，显著降低了开发 rPPG 系统的门槛，可以快速在自有产品中试验被动监测功能。对于需要基于摄像头做健康类应用的创作者或小型团队，这意味着可以跳过大规模数据采集阶段，直接借助 PHRM-mini 模型进行本地化部署和优化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
值得关注的有三点：第一，该技术目前仍是研究原型，是否以及何时集成到 Google 的 Pixel 系列或更广泛的安卓生态系统中尚未公布；第二，监管方面，FDA 已对同类 PPG 技术的肤色公平性提出新要求，PHRM 在商业化落地前仍需通过更严格的医疗器械审批流程；第三，开源模型和数据集将吸引大量学术团队投入，可能引发 rPPG 在算法公平性、运动伪影消除等方向上的研究加速。
