|
Google Research于11月11日介绍一项探索性研究：团队尝试把智能手表记录的静息心率、步数、睡眠和运动等信号，整理成可随日常行为变化的“可指导健康年龄”，再用机器学习世界模型模拟不同生活习惯在未来12周可能对应的生理轨迹。
方案中的SensorWM以约10万名Fitbit用户、超过220万“人周”的去标识化数据预训练；给定两周基线数据，可比较步数、睡眠和有氧活动等不同组合下20项生理指标的预测变化。研究团队再让语言模型把模拟结果转成渐进式指导计划，并加入可行性和运动安全约束。
Google还介绍了将可穿戴数据与常规血液指标结合、评估心血管—肾脏—代谢（CKM）健康的研究方向。它展示了时序世界模型与语言模型协作进行个性化情景模拟的一种路径，但当前证据来自回顾性研究队列和离线评估。
需要特别说明：这仍是探索性研究原型，不是临床诊断工具，也不能替代医生建议；是否能在前瞻性试验和真实使用中改善健康结果，仍待进一步验证。
来源：Google Research（2026-11-11）
https://research.google/blog/using-wearables-to-enable-cardiovascular-kidney-metabolic-ckm-risk-profiling-for-personalized-coaching/ |
0