心率监测，登上Nature！

背景: 心率是心血管健康的关键指标，传统测量方法难以实现长期连续追踪，而智能手表等可穿戴设备普及率有限。智能手机普及率高，基于视频的远程光电容积描记术被探索用于心率测量，但存在样本小、受控环境局限、深色皮肤人群准确性低等问题。研究目的: Google研究院团队开发了名为“被动心率监测”的深度学习系统，利用智能手机前置摄像头在解锁时捕捉8秒面部视频，分析血流变化估算心率和每日静息心率。研究使用了192,353段视频开发系统，并在162,546段视频上验证，规模为同类研究最大。结论: 该系统在基准测试中优于现有方法，在浅、中、深色皮肤人群中的平均绝对百分比误差均低于10%，达到行业精度标准，并实现跨肤色非劣效性。每日静息心率估算与可穿戴设备相比，平均绝对误差低于5次/分钟，且与心血管风险因素显著相关。研究标志着远程光电容积描记术从概念迈向大规模真实世界验证，有潜力降低心脏健康追踪门槛。