Przez siedem lat badań Google Research pracowało nad czymś, co brzmi jak science fiction: system, który mierzy rytm twojego serca w tle, bez żadnego dodatkowego urządzenia, po prostu przez kamerę przednią telefonu. Wyniki opublikowane właśnie w prestiżowym czasopiśmie „Nature” pokazują, że to nie tylko możliwe, ale też zaskakująco dokładne.
Kluczowe fakty:
- Google Research opracowało system PHRM (Passive Heart Rate Monitoring), który mierzy tętno użytkownika za pomocą przedniej kamery smartfona, analizując 8-sekundowy klip wideo nagrywany podczas odblokowywania telefonu przez rozpoznawanie twarzy.
- Projekt powstawał przez ponad 7 lat i opiera się na 192 353 nagraniach wideo od 485 uczestników, a jego walidacja obejmowała 162 546 filmów od 211 uczestników – co czyni go największym badaniem walidacyjnym tego rodzaju.
- Badacze celowo uwzględnili osoby z ciemniejszymi odcieniami skóry jako jedną trzecią grupy badanej, odpowiadając na znany problem wcześniejszych modeli rPPG, które działały znacznie mniej dokładnie na ciemniejszej karnacji ze względu na wyższe stężenie melaniny.
Kamera widzi to, czego nie widzi ludzkie oko
Każde bicie serca pompuje krew przez naczynia krwionośne twarzy. To powoduje mikroskopijne zmiany w ilości światła odbitego od skóry. Gołym okiem niewidoczne. Ale kamera smartfona, wspomagana odpowiednim modelem AI? Już tak. System rejestruje 8-sekundowy klip wideo tuż po odblokowaniu telefonu za pomocą funkcji rozpoznawania twarzy, a następnie lokalny model AI analizuje nagranie i szacuje tętno.
Technologia nazywa się rPPG (remote photoplethysmography) i istnieje w różnych formach od jakichś dwudziestu lat. Ale wcześniejsze implementacje były testowane w warunkach laboratoryjnych, na małych, niezbyt zróżnicowanych grupach badanych. Kluczowym problemem było to, że dokładność modeli rPPG drastycznie spada dla ciemniejszych odcieni skóry ze względu na wyższe stężenie melaniny. Google postanowiło ten problem rozwiązać wprost.
Siedem lat pracy, prawie 700 uczestników
Projekt PHRM (Passive Heart Rate Monitoring) to nie jest proof-of-concept sklecony w kilka miesięcy. Autorzy przyznają, że praca nad nim trwała ponad 7 lat. Skala badań robi wrażenie.
System powstał na bazie 192 353 nagrań wideo od 485 uczestników i został zwalidowany na 162 546 filmach od 211 uczestników w warunkach laboratoryjnych i rzeczywistych, co czyni go największym badaniem walidacyjnym tego rodzaju.
Badacze celowo zadbali o reprezentację ciemniejszych odcieni skóry, poświęcając im aż jedną trzecią grupy badanej. To nie standard w tej dziedzinie, bo wcześniejsze modele rPPG były przede wszystkim optymalizowane pod jasną skórę. Efekt był przewidywalny i przykry: działały znacznie gorzej na osobach z ciemniejszą karnacją. Google sięgnęło po własną skalę Monk Skin Tone do kategoryzacji uczestników i wyznaczyło sobie twarde kryterium: błąd dla żadnej grupy skórnej nie może przekraczać 10% MAPE (mean absolute percentage error), a różnica między grupami nie może być większa niż 5 punktów procentowych.
PHRM osiągnął ogólny błąd MAPE na poziomie 6,09% po filtrowaniu predykcji o wysokiej pewności. Wyniki dla poszczególnych grup wyniosły 5,04%, 5,12% i 7,84% dla odpowiednio jasnej, średniej i ciemnej skóry. Wszystkie zmieściły się w zakładanym progu.
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
Nie tylko tętno. Spoczynkowe tętno to inna klasa informacji
Pomiar chwilowego tętna to jedno. Naprawdę interesujące jest coś innego: resting heart rate (RHR), czyli spoczynkowe tętno. To jeden z najlepszych wskaźników zdrowia układu sercowo-naczyniowego. Wyższe RHR i jego wzrost w czasie są powiązane z poważnymi incydentami sercowo-naczyniowymi i śmiertelnością ze wszystkich przyczyn.
Żeby zmierzyć RHR wiarygodnie, potrzebujesz wielu pomiarów w ciągu dnia, najlepiej w spoczynku. Smartwatche robią to bezwiednie przez całą dobę. PHRM robi to inaczej: zbiera odczyty za każdym razem, gdy odblokowujesz telefon, a następnie algorytm oparty na filtrze Kalmana uśrednia wyniki i wyznacza dzienną wartość RHR.
Wyniki były porównywalne z opaską Fitbit Charge 6. Średni błąd bezwzględny wyniósł poniżej 5 uderzeń na minutę, co jest standardem branżowym dla urządzeń do monitorowania zdrowia.
Co ważne, wyższe wartości RHR mierzone przez PHRM korelowały z wyższym BMI i niską wydolnością tlenową uczestników. To znaczy, że system mierzył to, co faktycznie powinien mierzyć, a nie szum.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl:
Nie mam wątpliwości, że to jedno z ważniejszych badań w obszarze zdrowia cyfrowego od kilku lat. Demokratyzacja monitorowania zdrowia to realne dobro społeczne, szczególnie dla miliardów ludzi w krajach rozwijających się, dla których smartwatch to luksus, a smartfon to codzienność. Ale zanim zaczniemy świętować, warto zadać kilka pytań, które pozostają bez odpowiedzi. Czy użytkownicy będą w pełni świadomi, że ich twarz jest nagrywana co kilkanaście razy dziennie? Jak Google zamierza zabezpieczyć te dane przed misusem przez reklamodawców, ubezpieczycieli lub pracodawców? Historia technologii zdrowotnych pokazuje, że między „zbieramy dane tylko w celach zdrowotnych” a „ale moglibyśmy je też monetyzować” bywa zatrważająco krótka droga. Sama technologia jest imponująca. Pytanie, w czyich rękach i na jakich zasadach będzie działać, to zupełnie inna rozmowa.
5 miliardów potencjalnych pacjentów
Aż 69% dorosłych na świecie i 90% w Stanach Zjednoczonych posiada smartfona, a przeciętny użytkownik sięga po telefon średnio 144 razy dziennie. To oznacza 144 potencjalnych pomiarów tętna dziennie, bez żadnego dodatkowego urządzenia.
Obecne smartwatche i opaski fitness są drogie i kulturowo nieprzyjęte wszędzie tak samo. W wielu krajach globalnego południa noszone na nadgarstku urządzenia zdrowotne to po prostu nie jest realny scenariusz dla większości populacji. Jeśli PHRM kiedykolwiek trafi do powszechnego użycia, może zmienić to równanie.
Należy jednak powiedzieć wprost: to wciąż badanie naukowe, nie produkt. Google nie ogłosiło żadnej daty wdrożenia tej funkcji w Androidzie ani w jakimkolwiek konkretnym telefonie.
Prywatność w tle
Tu zaczyna się trudna rozmowa. Technologia rPPG oferuje wartościowe dane zdrowotne, ale jednocześnie otwiera drzwi do potencjalnych nadużyć, ponieważ wrażliwe informacje mogą być pozyskiwane bez wiedzy i zgody użytkownika.
Google samo przyznaje, że w badaniu uczestnicy musieli ręcznie zatwierdzać przesyłanie nagrań na serwery po przeglądaniu swoich klipów. To solidny protokół jak na badania naukowe. Ale masowe wdrożenie takiej funkcji w systemie operacyjnym rodzi pytania, które Google na razie pozostawia bez odpowiedzi.
Badacze wskazują też na kilka technicznych ograniczeń:
- Skuteczność pomiarów jest niższa u uczestników z najciemniejszą karnacją
- Ruchy głowy i mówienie podczas odblokowania telefonu zwiększają błędy pomiarów
- RHR dla ciemniejszej skóry spełniało cel dokładności dopiero od trzeciego dnia pomiarów
Dane i model dostępne dla badaczy
Google opublikowało największy i najbardziej zróżnicowany zestaw danych z nagraniami smartfonów dostępny publicznie dla celów badawczych, wraz z wstępnie wytrenowanym modelem „PHRM-mini”. Uprawnieni badacze mogą ubiegać się o dostęp.
Dane i kod znajdziesz tutaj: github.com/Google-Health/consumer-health-research
Pełna publikacja ukazała się w „Nature”: nature.com/articles/s41586-026-10507-6
To solidny ruch w stronę otwartości. Branża rPPG od dawna cierpiała na brak porównywalnych, zróżnicowanych zestawów danych. Teraz je ma. Co z nimi zrobi, to już zupełnie inna historia.
