过去十年，健康监测设备最常见的角色是“计步器”：告诉你今天走了多少步、睡了几个小时。而这一两年变化悄然发生——研究者的关注点已经从单次测量，转向长时间、连续、多信号的身体状态建模。换句话说，大家正在尝试回答一个问题：能否用日常被动采集的生理信号，看见身体长期的变化趋势。
一、从“记步数”到“连续健康建模”
可穿戴设备的核心优势在于被动且连续。心电测量通常需要人主动配合、静坐完成；而光学 PPG 信号（通过手表传感器检测血流量变化）可以在日常生活中连续采集。新一代算法要做的，是把这些散落的时间序列数据整合成可解释的生理叙事，而不是简单给出一个个孤立数值。
二、健康基础模型：让 AI 自己从数据里找规律
2026 年 7 月，三星研究院在 Galaxy Unpacked 健康论坛公布了两个面向穿戴生物信号的基础模型：
- xMAE（生理感知遮罩式跨模态重建）：学习不同生理信号之间的时序关系，尝试用可连续采集的 PPG 信号去重建被遮蔽的心电（ECG）区段，训练数据约 9,400 小时 ECG 与 PPG。
- HiMAE（层级式遮罩自动编码器）：关注不同时间尺度上的健康模式，例如单次心跳与长期睡眠、活动节律之间的层级关系。
这两项研究分别被 ICML 与 ICLR 收录。三星方面表示，xMAE 在 19 项评测任务中的 15 项表现优于单信号模型及既有融合方法，任务包括心血管风险预测与睡眠分期。同时，研究方也强调这类成果不能替代专业心电检查。
三、一周手腕数据能承载多少信息
2026 年 7 月发布在 medRxiv 的一项预印本研究，用两个冻结的自监督模型编码了 UK Biobank 中 97,696 名参与者各一周的手腕加速度数据，并训练模型预测 390 种健康结局。在 5,253 名留出参与者中，平均一致性指数为 0.688；对帕金森病，五年时间依赖 AUROC 达到 0.90（428 例）。
结论句意译：这确立了一周手腕运动数据，作为可穿戴风险评估中一种可规模化、低成本的未来健康表征。
另一项发表于《Journal of Neural Transmission》的 UK Biobank 研究涉及 73,413 名佩戴者，随访最长十年，发现日后确诊者基线日步数更低（4043–5585 步 vs 6370 步）、步速更慢、摆臂幅度更小，且越接近确诊时间差异越明显。
四、更值得关注的另一半：验证落差
技术进展的另一面是冷静的质疑。2026 年 6 月发表于《Movement Disorders》的一项跨国验证研究指出：用 UK Biobank 数据训练的前驱期帕金森识别模型，在德国与英国另两个队列上表现明显下降，三组之间未达到统计等效。作者结论是——这类模型可能捕捉的是特定队列的早期临床特征，而非普适性前驱标志，前瞻性验证仍然必要。
这正是技术从论文走向真实健康管理场景时最容易被跳过的一环。
五、国内落地进展与政策环境
- 市场规模：中商产业研究院数据显示，中国智能可穿戴健康设备市场规模 2024 年约 615 亿元，2025 年约 707 亿元，2026 年预计突破 826 亿元；其中 CGM（动态血糖监测）2025 年国内销售额 15.4 亿元，同比增速约 45.8%。
- 用户结构变化：可穿戴设备用户中健康人群占比已达约 40%，减脂人群、孕期女性、亚健康上班族正在加入主动监测行列。
- 政策信号：中央网信办等七部门印发的《促进数字化绿色化协同转型发展实施方案（2026—2030 年）》明确提出扩大人工智能终端、智能可穿戴等产品供给；12 部门《促进健康消费专项行动方案》提出打通基层医疗机构、居家监测与远程问诊的数据链路。
- 支付端：2026 年医保个人账户支付白名单制度落地，血糖检测仪等医疗器械被纳入；全国统一的《门诊慢特病管理规范》自 2026 年 4 月 1 日起施行，浙江、广东、江苏等地已将 CGM、动态心电监测纳入慢病管理保障范围。
六、对健康管理实践的三点提示
- 看趋势，不迷信单点：连续数据的价值在于发现方向性变化，单日数值受睡眠、情绪、测量姿势影响很大。
- 多信号优于单指标：睡眠结构、静息心率、心率变异性、活动量与呼吸指标放在一起看，才更接近真实的整体状态。
- 研究指标不等于医疗用途：消费级设备输出的是健康线索与趋势参考，不能替代专业检查；出现持续异常仍应到正规医疗机构就诊。
技术正在把“偶尔测一次”变成“长期看趋势”，这对慢病管理与日常健康管理是实质性补充。与此同时，验证落差也提示我们：模型在特定队列上的表现，并不能直接等同于个体身上的可靠结论。保持这个分寸，才能既跟上技术，也守住健康管理的专业边界。