从传感器采集生命信号,到AI理解个体健康轨迹,医疗正在从“疾病发生后的治疗”,走向“疾病发生前的风险管理”。
人体每天产生大量动态变化:心率变化、睡眠周期、活动水平、血糖波动、压力反应、体温变化。传统医疗面对的是离散检查:血糖化验、心电图、影像检查。而AI面对的是连续时间序列,这意味着医学观察对象正在发生变化。过去,医生看到的是某一个时间点的身体状态。未来,AI看到的是一个人的长期生命轨迹。这正是可穿戴AI最重要的价值。
传统医疗模式:症状出现 → 检查 → 诊断;而AI健康管理探索的是:微小变化累积 → 风险模型识别 → 提前提醒。传统筛查关注:“现在有没有异常?”AI更加关注:“你的身体是否正在朝异常方向变化?”这并不意味着AI已经能够预测所有疾病。但它正在推动医学从关注结果,转向关注变化过程。医院保存的是检查结果,AI正在尝试构建的是生命轨迹。
但是,要真正理解一个人的生命轨迹,AI需要面对一个更大的挑战:如何从海量生命信号中学习健康规律?
过去,可穿戴设备依靠的是规则,例如:心率超过某个阈值,触发提醒;睡眠时间低于某个标准,提示改善。这种方式本质上仍然是:“人定义规则,机器执行规则。”但未来的健康AI正在探索另一条路径:让AI从大规模人群数据中自主学习人体规律。
2026年7月,谷歌发布的“可穿戴健康基础模型SensorFM”,展示了这一方向的重要进展。SensorFM并不是一个针对单一疾病开发的算法,而是一种面向可穿戴健康数据的基础模型。该模型基于全球约500万名参与者授权数据训练,覆盖100多个国家和地区、20余种Fitbit和Pixel Watch设备,累计处理超过20亿小时的传感器信号。
模型输入的数据包括:光电容积脉搏波(PPG)、心率、心率变异性(HRV)、血氧、加速度、皮肤电活动(EDA)、皮肤温度、高程等多维生命信号。这些数据最终被转化为连续的健康特征,让AI学习人体状态变化背后的模式。
SensorFM最大的意义,不在于某一个任务指标的提升。而在于它展示了一种新的健康AI范式:基础模型 + 可穿戴数据 + 大规模人群。
过去,可穿戴设备回答的问题是:“你的身体现在是什么状态?”未来,健康基础模型希望回答:“你的身体正在发生什么变化?”“这种变化是否偏离了你自己的健康轨迹?”“哪些微小信号值得关注?”这意味着可穿戴设备正在从“数据采集工具”转变为“健康智能系统”。类似大型语言模型通过学习海量文本理解语言,健康基础模型正在尝试通过学习海量生命信号理解人体。
更值得关注的是,SensorFM的训练过程中引入了大语言模型智能体辅助探索,AI智能体能够自动生成、测试和优化模型方案,探索大量候选路径。这意味着未来健康AI的发展,可能不仅是:人类设计模型,让AI执行任务。而是:AI帮助人类发现新的生命信号模式,这可能成为可穿戴医疗未来最重要的变化之一。
睡眠可能是可穿戴AI最早规模化落地的健康场景之一。过去,人们理解睡眠,主要依靠一个简单指标:“睡了多久?”但睡眠并不是单纯的时间问题。同样睡7小时,有人第二天精力充沛,有人却长期疲惫。差异可能来自:深睡比例、睡眠结构、夜间觉醒次数、心率变化、心率变异性(HRV)、压力水平,以及白天运动负荷。传统睡眠监测更多关注睡眠时间,而AI正在尝试回答:“你的身体有没有真正恢复?”这是一种从统计睡眠,到理解睡眠的变化。、可穿戴设备通过长期采集数据,可以建立个人化睡眠基线。例如:某个人过去半年通常夜间静息心率稳定,HRV水平保持在一定范围。但最近一个月,AI发现睡眠时间没有明显下降,但夜间心率逐渐升高,HRV持续降低,运动后的恢复速度减慢。单独看任何一个指标,都可能没有达到异常标准,但多个信号组合后,AI可能发现这个人的身体状态正在发生变化。这种能力,是传统单次检查难以实现的。
未来,睡眠AI可能不只是告诉用户:“你的睡眠评分是多少。”而是帮助理解:“为什么你的身体最近恢复不好?”“哪些生活因素正在影响你的健康?”“怎样调整可能更适合你?”健康管理因此从简单评分,走向动态反馈。
3. AI重新定义血糖:从测量数字,到理解代谢
连续血糖监测(CGM)正在成为可穿戴健康领域的重要方向。过去,CGM主要服务于糖尿病患者。它解决的问题是:你的血糖是多少?但未来,AI正在推动一个新的问题:“为什么你的血糖这样变化?”
近年来,面向更广泛人群的消费级CGM产品开始出现,例如Dexcom Stelo和Abbott Lingo,使CGM逐渐进入代谢健康管理领域。血糖数据的价值,也正在发生变化。过去,血糖是一项检测指标。未来,血糖可能成为AI理解个人代谢规律的重要入口。
同样一顿饭,不同人的血糖反应可能完全不同。有人吃米饭后血糖快速升高,有人变化平稳。这种差异,与遗传、运动、睡眠、压力、肠道环境、胰岛素敏感性等因素相关。传统健康建议通常基于群体平均,这种食物通常更健康。但AI希望进一步回答:这种食物对你是否适合?
未来的AI健康系统可能结合:饮食记录、连续血糖、运动数据、睡眠状态、压力变化,帮助用户建立属于自己的代谢模型。这代表健康管理正在从:“遵循统一建议”走向“理解个人规律。”
三、可穿戴AI真正的竞争,不是硬件,而是智能
第三,医学验证能力:健康AI最终不能只是生成漂亮的数据报告。它必须回答预测是否可靠?建议是否有效?是否真正改善健康结局?这是消费健康产品走向医疗级应用必须面对的问题。未来,可穿戴AI的发展一定越来越依赖医学研究、临床验证、监管体系。
真正成熟的健康AI,不只是“懂数据”,更需要“懂医学”。
四、中国的机会:硬件优势之后,需要AI医疗生态
中国拥有全球领先的智能硬件产业链、移动互联网生态和制造能力。从智能手表、智能手环,到医疗级健康监测设备,中国企业已经建立了强大的产业基础。例如,华为Watch D2已经获得中国医疗器械注册,用于动态血压监测等健康场景。但未来竞争的关键,不只是制造更好的设备。真正决定产业高度的,将是连续健康数据平台、AI健康模型、医学验证体系、医疗服务生态。
过去,中国优势更多集中在制造能力。未来,需要进一步向数据能力、算法能力、医学能力延伸。因为可穿戴AI未来最大的价值,可能并不是销售一件硬件,而是通过长期健康数据服务,改变健康管理方式。
未来的竞争逻辑可能发生变化:卖设备,是一次交易;建立健康AI平台,是长期服务。
五、保险可能成为可穿戴AI的重要支付场景
可穿戴AI另一个重要方向,是重新连接健康管理与保险。过去,保险体系主要依赖风险评估:年龄、既往疾病、体检结果、生活方式调查,这些信息通常是静态的。但人体健康实际上是动态变化的,一个人的健康风险,并不是由某一次体检决定,而是在长期生活过程中逐渐形成,可穿戴设备提供了一种新的可能:持续观察健康变化。
目前,美国已经出现企业健康管理模式,企业或保险机构开始探索通过数字健康工具,为员工提供健康管理、慢病风险管理和行为干预服务。其核心逻辑是如果能够提前识别风险,并帮助人们改变行为,就可能降低未来医疗支出。例如:改善睡眠、增加运动、优化饮食、降低代谢风险。未来,当保险精算模型能够证明,长期健康数据能够帮助降低风险,可穿戴设备可能从一种消费电子产品,逐渐变成健康基础设施。它的价值不再只是:“记录你的身体。”而是:“帮助管理你的未来健康风险。”
当然,这一过程仍然面临重要挑战。包括:健康数据隐私保护、数据使用边界、算法公平性、医学有效性验证。健康数据越有价值,保护它的重要性也越高。
未来,谁能够建立可信、安全、符合伦理的数据体系,谁才可能真正推动健康AI规模化应用。
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。