人脸解锁，瞄一眼屏幕，心率数据就已经安静地躺进手机里了——这正是 Google Research 最新发表在 Nature 上的被动心率监测系统 PHRM 想要做到的事。系统利用智能手机前置摄像头在面部解锁后数秒内抓取一段细微视频，通过深度学习模型从像素级别的颜色波动中反推脉搏信号。数据显示，其心率估算的平均绝对百分比误差（MAPE）低于 10%，对比心电图这一临床金标准已经站得住脚。更值得注意的是，这套算法专门针对过往智能视觉系统中长期被诟病的深肤色人群精度偏差问题做了优化，在各肤色群体上均达到行业精度标准，这一步比技术本身更值得行业反思。
PHRM 的野心不止于单次瞬时读数。它把全天无数个被动测量点串联起来，汇成一条连续的每日静息心率（RHR）趋势线，与专业可穿戴设备对比的平均绝对误差（MAE）低于 5 bpm。RHR 长期被心血管医生视为"沉默的报警器"，连续追踪的价值远大于单次体检。当这件事不再需要手表、不需要贴片、只需要你每天解锁手机几十次就能自动完成，可穿戴设备多年建立的数据护城河确实又浅了一截。
研究团队同步释出了迄今最大规模的公开智能手机心率视频数据集及预训练模型 PHRM-mini，合格研究人员可申请访问。更大意义在于：一旦高质量训练数据开放给学界，第三方独立复现和衍生研究的门槛被大幅压低，整个被动生理监测赛道的迭代速度将被明显拉快。从产品节奏看，PHRM 距离真正落地还有距离，但方向已经明确——你的手机，正在悄悄变成一件医疗器械。
