可穿戴设备的可能远不只是记录步数。它每天、每分钟积累的运动数据，或许能够描绘出身体随时间变化的另一幅“衰老画像”。
发表于《Nature Communications》的一项新研究探讨了如何利用商业可穿戴设备，对活动节律进行长期数字表型分析，以研究生物衰老。研究人员J. Shim和J. P. Onnela将日常生活中持续产生的传感器数据置于研究中心，试图从动态变化的角度理解健康，而不只是依赖一次性的临床检测。
这意味着，人们日常佩戴的智能手表和其他可穿戴设备，在记录运动、睡眠和心率的同时，也可能积累能够反映身体变化的长期数据。研究人员希望从这些数据中寻找与生理状态变化相关的信号。
从“数字表型”观察日常生活
这项研究的核心概念是“数字表型”（digital phenotyping），即利用个人数字设备产生的数据，长期描述一个人的行为、生理状态和健康状况。
与传统临床检查提供某个时间点的“快照”不同，可穿戴设备能够连续数周、数月甚至数年收集数据。加速度计可以记录运动和静止状态，光学传感器可以估算心率，睡眠算法则能够推断休息和活动时段。将这些信号连接起来后，研究人员可以获得更为连续的时间序列。
研究重点尤其在于“活动节律”，即运动与休息之间相对规律的周期。这些节律受到人体生物钟、睡眠—觉醒模式、环境以及日常生活习惯的共同影响，因此可能包含单纯的每日步数无法反映的信息。
例如，一个人每天都走8,000步，看起来活动量并没有发生变化，但这些步数出现的时间、运动强度以及活动是否被频繁打断，都可能发生改变。运动可能越来越集中在短时间内，逐渐推迟到更晚的时段，或者伴随更长时间的久坐。
这些变化可能与睡眠、生理节律、身体机能、情绪或恢复能力的变化有关。
研究人员可以利用时间序列分析、信号处理和计算生物学等方法，对可穿戴设备产生的数据进行分析，并提取节律强度、规律性、振幅、时间以及日间波动等指标。将这些指标结合起来，可以形成一种随时间变化的行为特征，也就是一种数字“行为签名”。
活动节律与生物衰老
这也引出了研究中的另一个概念：生物年龄。
实际年龄只是一个人出生以来经历的年数，而生物年龄更多反映身体的功能状态。同样年龄的人，在心血管健康、代谢状态、免疫功能和身体恢复能力方面可能存在明显差异。
目前，研究人员已经利用分子标志物、临床指标和生理数据建立了多种生物年龄评估方法。可穿戴设备提供的是另一种视角——观察一个人在真实生活中如何活动。
活动节律可能成为一种反映功能衰老的现实世界指标，因为它同时受到活动能力、精力、恢复状态、生理节律以及维持稳定生活规律能力的影响。
长期追踪尤其重要。单日数据很容易受到生病、旅行、工作时间变化、天气或者设备没电等因素干扰，而长期数据则有助于区分短期波动和持续趋势。
研究人员可以建立一个人的活动轨迹，观察与节律相关的指标如何随时间变化，并将这些变化与已有的衰老指标进行比较。这样一来，问题也从“这个人今天运动了多少？”转变为“这个人的日常活动模式正在如何变化，这些变化又可能反映出什么样的健康趋势？”
商业可穿戴设备带来规模化可能
商业可穿戴设备的一个重要优势，是能够让这类研究更容易扩大规模。
过去，研究人员往往需要让参与者反复进入实验室接受检测，而如今，理论上可以利用已经被大量人群佩戴的设备开展大规模研究。数据可以在自然生活环境中被动收集，而不是只在受控的实验条件下获得。
这也带来了寻找早期变化信号的可能。例如，日常活动节律逐渐减弱、规律性越来越差，或者运动量持续下降，都可能成为进一步健康评估的线索。
未来，算法可能进一步尝试区分短期压力造成的活动变化与长期、持续性的变化，并研究后者是否与衰弱、慢性疾病或更快的功能衰退有关。
不过，可穿戴数据看似简单，背后却存在不少技术和科学问题。
商业设备并不会直接测量所有指标。步数依赖厂商自己的算法，睡眠通常是通过算法推断而不是直接观察，心率读数也可能受到皮肤接触、运动和设备佩戴位置影响。不同品牌之间的测量结果也未必完全具有可比性。
用户自身的佩戴行为同样会影响数据质量。人们可能在运动时摘下设备，充电时间不固定，或者在身体不适时减少佩戴时间。由此产生的数据缺失可能带来偏差，尤其是当健康状况正在恶化的人群恰恰更不容易持续佩戴设备时。
因此，任何基于可穿戴设备建立的生物衰老模型，都需要考虑数据缺失、设备更换、人口统计学差异以及消费级传感器本身的局限。
同一种活动模式，可能有不同解释
研究还提出了一个重要问题：活动节律究竟反映了什么？
活动规律降低可能与生物衰老有关，但也可能是轮班工作、照护家人、残疾、抑郁、社会经济条件或者不稳定生活环境造成的。
换句话说，同一种可穿戴设备数据特征，可能存在多种解释。
因此，数字表型真正具有价值的前提，是将可穿戴设备数据与更多背景信息结合，并通过临床结果进行验证。机器学习能够发现传统统计方法可能忽略的复杂模式，但模型给出的预测仍然需要谨慎解释。
一个模型或许能够识别风险较高的人群，却无法解释风险产生的原因。而活动节律与衰老之间存在相关性，也并不意味着前者导致后者。
从健康记录走向长期健康观察
如果这种方法最终得到充分验证，其应用范围可能超出科研领域。
临床医生未来或许可以利用长期可穿戴设备数据监测康复过程、识别功能下降、制定个性化运动方案，或者评估某种干预措施是否改善了患者日常生活中的恢复情况。
公共卫生研究人员也可以利用这些数据研究工作时间、城市环境、污染以及社会条件如何影响不同人群的活动节律。
对于普通用户而言，健康反馈也可能从“每天走了多少步”，进一步转向“自己的活动模式是否正在发生变化，以及这些变化是否与健康睡眠和日常生活规律相匹配”。
不过，这类系统也需要避免把正常的个体差异变成疾病诊断，更不能让持续自我监测变成新的焦虑来源。其价值最终应当体现在提供更早的健康线索和改善医疗服务，而不是制造更多压力。
Shim和Onnela的研究体现了可穿戴技术正在改变健康测量的边界。
血液检测和医学影像仍然不可替代，但它们通常只能观察特定时间点和特定生物层面的状态。商业传感器则提供了另一种互补视角：在真实生活环境中，持续观察人的行为及其变化。
通过分析活动模式随时间发生的变化，研究人员正在探索可穿戴设备能否成为观察生物衰老的一扇数字窗口。
真正值得关注的并不是设备能否直接“测出年龄”，而是衰老是否会在人体细胞和器官之外，也留下可以从日常运动的时间、规律性和变化方式中识别出来的痕迹。接下来的关键，则是确定这些信号究竟能够被多准确地读取，以及如何在医疗和个人健康管理中负责任地使用这些数据。
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
