可穿戴与健康

如果我多走路、早睡会怎样?谷歌把手表数据变成 12 周身体模拟

谷歌研究团队 11 月 11 日发布可教练健康年龄(CHA)框架与姊妹研究:健康年龄不靠猜出生年份,只由日常能改变的信号构成——静息心率、步数、睡眠时长、每周活跃区间分钟,可选加 VO2max、睡眠规律性与胰岛素抵抗。在 All of Us 项目 22,748 人、逾 6.8 万人年随访里,基线时健康年龄比日历年龄老的健康人,此后八年更可能新发高血压、心血管病或 2 型糖尿病;把 CHA 加进「年龄+性别+BMI」基线,50 岁以下成年人的风险预测改善最明显。更核心的是 SensorWM 世界模型:用约 10 万名 Fitbit 用户的 228 万人周数据预训练,看两周基线就能按不同行为方案推演未来 12 周 20 项生理指标(平均 R² 0.664,TimesFM 为 0.513);可行性约束优化从每人 125 个候选方案里挑一个,语言模型教练再把模拟结果写成 12 周计划——5 名认证生活方式教练与 5 名持证医生对 49 份档案做 490 组盲评,反事实方案 71.4% 被选为最佳、99.2% 被医生评为强度安全。边界要读清:研究性原型、非临床诊断工具,全部是谷歌自家回顾性队列口径,还没有前瞻试验。

本文依据 Google Research 官方博客《Using wearables to enable cardiovascular-kidney-metabolic (CKM) risk profiling for personalized coaching》(页面标注 2026-11-11,本站 11 月 12 日全文读取)及其链接的论文预印本(arXiv:2611.08568,2026-11-05 提交)写成;正文三张图均为博客官方配图。全部数字为谷歌研究团队自报口径:本站未参与研究、未复核原始数据。它是本站 11 月 9 日《65.8% 对 55.3%》无袖带高血压筛查一文的同线后续——那次回答「手表能不能查出来」,这次回答「查出来之后,改变习惯会怎样」。

本文目录目录6

EN

「查出来」之后:这条线补上「改得动」

智能手表健康研究的常见终点是「检测」:从波形里找高血压线索——本站 11 月 9 日写过的无袖带筛查就是一例——或从心率里发现房颤。谷歌 11 月 11 日发布的这项工作把终点往前挪了一步:从发现风险,到回答「如果我改变习惯,身体会怎样」。官方博客把问题写成读者自己的话:我最近的习惯怎么影响我的心肾代谢健康?如果多睡 30 分钟、每天快走一段,未来三个月能改善多少?

框架分三层。可教练健康年龄(CHA)给现状一个可解释的坐标;SensorWM 世界模型负责推演「如果」;语言模型教练把模拟结果写成 12 周计划。姊妹研究再加三次常规抽血,把健康年龄拆到心、肾、代谢三个系统。时间口径分开记:论文预印本 2026 年 11 月 5 日提交 arXiv,官方博客页面标注 11 月 11 日;两项研究都自述为「研究性原型」(investigational),不是产品功能,更不是诊断工具。

和本站旧文的关系:11 月 9 日的《65.8% 对 55.3%》处在同一条「手表→健康」线上,回答的是筛查——判断一个人是否处于持续高血压状态,参照 24 小时动态血压监测。这次的研究不测血压,问的是干预:把行为改变的未来先模拟出来再给计划。两件事不能互相替代——查出来是起点,改得动是接下来的问题;这篇接的是后半截。

来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。

EN

可教练的健康年龄:只由能改变的东西构成

市面上不少「生物学年龄」模型用血液标记甚至表观遗传钟去猜出生年份。论文认为这条路有两个毛病:模型抓住的是不容易改变的特征,而且黑箱解释不了「改某个习惯会怎样」。CHA 的设计原则相反——每一个输入都必须能被日常选择持续影响:静息心率、每日步数、睡眠时长、每周活跃区间分钟(Active Zone Minutes),有条件时再加 VO2max、睡眠规律性和胰岛素抵抗。信号之间的重叠被数学调整开,让每个习惯对「健康年龄差」(CHA 减日历年龄)贡献自己独立的一份:差值 −3 年表示生理面貌比日历年龄年轻,正差值则是加速衰老。

三组独立验证。其一,All of Us 项目 22,748 人、逾 6.8 万人年随访:基线健康年龄比日历年龄老的健康人,此后八年更可能新发高血压、心血管病或 2 型糖尿病;把 CHA 加进「年龄+性别+BMI」的基线预测,风险判别显著改善,50 岁以下成年人改善最大——官方图给出 C 指数 0.6485 到 0.6541。其二,纵向 Fitbit 队列 1,464 人:两年里每三个月一个窗口,持续改变习惯的人 CHA 随之下降。其三,WEAR-ME 队列:CHA 与修改版 Life's Essential 8 心血管评分、代谢综合征严重度以及参与者自报健康都对得上,而以「猜出生年份」为目标的时钟对不上。

官方图的 b 面板还有一个值得看的细节:新发 2 型糖尿病者的基线健康年龄差平均 +0.37 年,新发心血管病 +0.23 年——差值不大,但方向一致、区间不跨零。健康年龄不是体检报告上吓人的一栏,而是一个缓慢漂移的坐标;这也解释了为什么「能不能被改变」比「绝对准不准」更值得当设计核心——坐标的意义在于看见它移动。

官方三面板图。a 估算健康年龄:手表输入静息心率、每日步数、睡眠时长、心肺适能与胰岛素抵抗,示例显示日历年龄 29、健康年龄 34(+5.0 年)。b 临床预后验证:All of Us 22,748 人按后续发病分组的基线健康年龄差——健康对照 −0.43、新发高血压 −0.30、新发心血管病 +0.23、新发 2 型糖尿病 +0.37(均值与 95% 置信区间);加入 CHA 后 C 指数 0.6485→0.6541。c 轨迹预测与反事实未来:纵向 Fitbit 人群 96,957 人,两周数据输入,SensorWM 自回归生成动作条件轨迹,平均 R² 0.664,对照 TimesFM 0.513、LOCF 0.503、4 周均值 0.413、2 周均值 0.077。
一张图读完框架:健康年龄只由可改变的信号构成(左上),在逾 6.8 万人年里验证预后价值(右上),再由 SensorWM 推演「如果」的未来(下半)。所有数字出自论文与博客,本站未复核原始数据。图源:Google Research 官方博客。 · 打开大图
来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。
  • 论文预印本:Personalized health coaching via coachable health age and counterfactual wearable trajectories(arXiv:2611.08568)论文预印本 · 2026-11-05 提交 · 本站 11-12 读取摘要页摘要页读取。作者 Simon A. Lee、Zeinab Esmaeilpour、Menglian Zhou 等 20 人,通讯序列末位 Ahmed A. Metwally;q-bio.QM 跨 cs.LG。摘要口径:WEAR-ME 2,780 人、All of Us 22,748 人、纵向 Fitbit 1,464 人;预训练「逾 220 万人周、约 10 万参与者」;SensorWM 多周生理响应预测平均 R² 0.664;盲评 71.4%(整体质量)与 71.0%(依从性)均 p<0.001;持证医生判定 99.2% 反事实方案安全,对照方案为 97.6%——与官方图 e 面板的安全数字(243/245 对 239/245)一致。代码宣布于发表后在 Google Health GitHub 开放。

EN

SensorWM:给身体建一个「如果」模拟器

知道自己站在哪,不等于知道往哪走。把健康年龄变成计划,需要回答反事实问题:未来 12 周,如果步数、睡眠、有氧安排这样变,身体指标会怎么走?把新目标塞进静态计算器做不到——身体是连通系统:连续几周多动、睡好,静息心率和心率变异性会跟着改善,收益在下游叠加。SensorWM 的名字由此而来:世界模型(world model),不过是给身体建的。

预训练数据是约 10 万名同意研究的 Fitbit 用户的 228 万人周去标识数据。输入两周基线,它按不同行为方案推演未来 12 周 20 项生理指标的演化,平均 R² 0.664——官方图给出对照:通用时间序列基础模型 TimesFM 0.513,末次观测结转 0.503,4 周均值基线 0.413,2 周均值基线 0.077;同时保住了与糖尿病、高血压、胰岛素抵抗相关的临床模式。换句话说,它学的不是「人们平均怎样」,而是「这个人在某种行动下会怎样」。

推演之后是选择:每人模拟 125 个候选 12 周方案,与「维持现状」的基线推演对照;可行性约束优化器在预测收益、个人历史习惯弹性与临床安全界之间折中。官方图的例子很直白:高依从用户理论上最大能降 2.9 年,被选方案 −2.3 年;低依从用户理论上最大 −6.7 年,被选方案只有 −1.3 年——最激进的计划如果第二周就放弃,收益是零。语言模型教练再把被选路径写成渐进、可执行的 12 周计划。

官方反事实教练四面板图。a 世界模型模拟:用户问「我怎样才能改善健康」,扰动动作与状态输入进 SensorWM,生成反事实轨迹 1 至 N,交给健康年龄计算器。b 可行性约束优化:全部候选方案按「无惩罚收益除以行动成本」排序。c 结果合成:先问动作对用户是否安全、再问活动是否助达总体目标,生成 12 周计划。d 两位用户的对比:高依从用户健康年龄从约 42.8 年起步,最大模拟降幅 −2.9 年、被选方案 −2.3 年;低依从用户从约 43.7 年起步,最大 −6.7 年、被选 −1.3 年;灰扇形为候选轨迹,蓝线为被选方案的 12 周走势。
「最能降」不等于「能坚持」:优化器在模拟收益与个人习惯弹性之间折中——高依从用户从最大 −2.9 年退到 −2.3 年,低依从用户从 −6.7 年退到 −1.3 年。灰扇形是模拟出的候选轨迹,蓝线是被选中的 12 周方案。图源:Google Research 官方博客。 · 打开大图
来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。
  • 论文预印本:Personalized health coaching via coachable health age and counterfactual wearable trajectories(arXiv:2611.08568)论文预印本 · 2026-11-05 提交 · 本站 11-12 读取摘要页摘要页读取。作者 Simon A. Lee、Zeinab Esmaeilpour、Menglian Zhou 等 20 人,通讯序列末位 Ahmed A. Metwally;q-bio.QM 跨 cs.LG。摘要口径:WEAR-ME 2,780 人、All of Us 22,748 人、纵向 Fitbit 1,464 人;预训练「逾 220 万人周、约 10 万参与者」;SensorWM 多周生理响应预测平均 R² 0.664;盲评 71.4%(整体质量)与 71.0%(依从性)均 p<0.001;持证医生判定 99.2% 反事实方案安全,对照方案为 97.6%——与官方图 e 面板的安全数字(243/245 对 239/245)一致。代码宣布于发表后在 Google Health GitHub 开放。

EN

盲评:71.4% 被选为最佳,99.2% 评为强度安全

关键问题是:把语言模型接在世界模型上,真的比把同一份可穿戴历史直接喂给同一个模型更好吗?对照设计:5 名认证生活方式教练加 5 名持证医生(初级保健与生活方式医学),对 49 份参与者档案、5 类行为画像做 490 组配对盲评,另在 WEAR-ME 全队列 2,780 人上做自动评估。结果:反事实方案在 71.4% 的评审里被选为最佳整体方案(p<0.001),71.0% 被认为更可能长期坚持(p<0.001);医生评审中 99.2% 的反事实方案在安全运动强度界内——对照的通用方案为 97.6%(官方图 e 面板口径:243/245 对 239/245)——97.6% 的生理陈述被评准确。

为什么有效?评审者给出同一个答案:把「维持现状会怎样」与「做得到的变化会怎样」并排放出来。医生 92% 对 8% 偏好这种对照呈现,97% 对 59% 认为它给了行动的理由与掌控感。数字本身并不新鲜——步数、睡眠、有氧都是老朋友;新鲜的是呈现方式:一个具体、个人化、并且被模拟过的「如果」。

边界照实说:专家评的是计划的质量与安全,不是健康结果本身;490 组是配对偏好,不是临床疗效试验。「更好」在这里的含义是「更可能被采纳、更少越界」,离「更能改善健康」还差一层验证——这正是作者们把前瞻试验列为下一步的原因。

来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。
  • 论文预印本:Personalized health coaching via coachable health age and counterfactual wearable trajectories(arXiv:2611.08568)论文预印本 · 2026-11-05 提交 · 本站 11-12 读取摘要页摘要页读取。作者 Simon A. Lee、Zeinab Esmaeilpour、Menglian Zhou 等 20 人,通讯序列末位 Ahmed A. Metwally;q-bio.QM 跨 cs.LG。摘要口径:WEAR-ME 2,780 人、All of Us 22,748 人、纵向 Fitbit 1,464 人;预训练「逾 220 万人周、约 10 万参与者」;SensorWM 多周生理响应预测平均 R² 0.664;盲评 71.4%(整体质量)与 71.0%(依从性)均 p<0.001;持证医生判定 99.2% 反事实方案安全,对照方案为 97.6%——与官方图 e 面板的安全数字(243/245 对 239/245)一致。代码宣布于发表后在 Google Health GitHub 开放。

EN

加三次常规抽血:把健康年龄拆到器官

CHA 是模块化的:有常规体检时,框架可以把连续的可穿戴信号与偶尔的血液标记接起来。姊妹研究《Cardiovascular-Kidney-Metabolic Health Age Using Wearables and Blood Biomarkers》在 819 名 WEAR-ME 参与者上把健康年龄拆到心、肾、代谢三个系统:可穿戴信号(静息心率、步数、活跃区间分钟、睡眠)加三个常规血液标记——胆固醇/HDL 比(心血管)、eGFR 肾小球滤过估计(肾)、HOMA-IR 胰岛素抵抗指数(代谢)。每个标记按与临床健康阈值的距离折成标准化偏离分。

结果里最有认识价值的一条:多器官衰老不遵循单一模板。代谢与心血管的负荷常常相关,早期肾功能下降却经常独立出现——热图上,肾的深色带常常独自占一列。这与 CKM 综合征「多年静默进展」的临床叙述对上了:偶发的诊所抽血看不见日常生活方式,连续的可穿戴看不见血液化学,两者接起来才看得出「哪个系统先偏」。CKM 健康年龄差与客观临床评分(修改版 Life's Essential 8 r=−0.58;代谢综合征严重度 r=0.65)以及参与者日常自感健康都对得上。

官方热图:819 名 WEAR-ME 参与者的三个系统健康偏离分数,三行为肾、代谢、心血管,每列一人,颜色从棕(偏离约 −4)经白到青(偏离约 +4);代谢与心血管的深色带常同列出现,肾的深色带常独立出现。
多器官衰老不是一张模板:热图里代谢与心血管的偏离常同步出现,肾的异常带却经常独自出现——这正是姊妹研究把三次常规抽血(胆固醇/HDL 比、eGFR、HOMA-IR)接进可穿戴信号的原因。图源:Google Research 官方博客。 · 打开大图
来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。

EN

边界与值得等的下一步

全部数字都在同一个口径里:谷歌研究团队、自家回顾性队列、离线评估。博客原话把性质写得很清楚——这些模型是「研究性研究原型,而非临床诊断工具」;评估用的是回顾性研究队列,还没有前瞻试验去检验「交互式『如果』教练能否帮人建立持久习惯、改善长期健康」。本站没有参与研究、没有复现任何数字,也没有读到第三方复验;Fitbit 数据、专家人选与评估流程全部来自发布方描述。

与 11 月 9 日那篇筛查研究放在一起,这条线的形状变清楚了:筛查回答「有没有」,风险画像回答「偏在哪」,反事实模拟回答「改了会怎样」,教练计划回答「从哪开始」。每一步都有独立证据,但四步连成的闭环还没有在真实人群里验证过。值得等的下一步:前瞻试验结果、SensorWM 在第三方数据上的泛化,以及这些能力以什么产品形态、什么审核流程出现在消费级手表上——那才是从研究到生活的真正一跳。

来源与延伸阅读
  • Google Research 官方博客:Using wearables to enable CKM risk profiling for personalized coaching官方博客 · 页面标注 2026-11-11 · 本站 11-12 全文读取全文读取。核对关键声明:CHA 只用可改变信号(静息心率、步数、睡眠时长、每周活跃区间分钟,可选 VO2max、睡眠规律性、胰岛素抵抗);三组验证为 All of Us 22,748 人逾 6.8 万人年(50 岁以下改善最明显)、纵向 Fitbit 队列 1,464 人(持续改变习惯者 CHA 下降)、WEAR-ME 对齐 Life's Essential 8 与代谢综合征评分;SensorWM 用约 10 万 Fitbit 用户 228 万人周预训练,两周基线推演 12 周 20 项指标,胜过 TimesFM;每人 125 个候选方案、可行性约束优化(示例 −2.3 年对 −1.3 年);盲评为 5 名认证生活方式教练+5 名持证医生、49 份档案 5 类画像 490 组配对——反事实方案 71.4% 被选为最佳(p<0.001)、71.0% 更可能长期坚持(p<0.001),医生评 99.2% 在安全强度界内、97.6% 生理陈述准确,现状对照呈现获医生 92% 对 8% 偏好、掌控感 97% 对 59%;姊妹研究在 819 名 WEAR-ME 参与者上加胆固醇/HDL 比、eGFR、HOMA-IR 三个血液标记,代谢与心血管相关而早期肾下降常独立出现(r=−0.58 与 0.65)。博客明言:回顾性离线评估、研究性原型、非临床诊断工具。作者栏致谢含 Esmaeilpour、Lee、Zhou、Poh、McDuff、Metwally 等。
  • 论文预印本:Personalized health coaching via coachable health age and counterfactual wearable trajectories(arXiv:2611.08568)论文预印本 · 2026-11-05 提交 · 本站 11-12 读取摘要页摘要页读取。作者 Simon A. Lee、Zeinab Esmaeilpour、Menglian Zhou 等 20 人,通讯序列末位 Ahmed A. Metwally;q-bio.QM 跨 cs.LG。摘要口径:WEAR-ME 2,780 人、All of Us 22,748 人、纵向 Fitbit 1,464 人;预训练「逾 220 万人周、约 10 万参与者」;SensorWM 多周生理响应预测平均 R² 0.664;盲评 71.4%(整体质量)与 71.0%(依从性)均 p<0.001;持证医生判定 99.2% 反事实方案安全,对照方案为 97.6%——与官方图 e 面板的安全数字(243/245 对 239/245)一致。代码宣布于发表后在 Google Health GitHub 开放。