// AI 新闻 · 2026-11-12 · Google Research Blog

谷歌研究提出基于可穿戴设备的CKM风险个性化健康指导框架

谷歌研究团队提出一种机器学习框架，利用消费者级可穿戴设备的被动信号生成可调节的健康年龄指标，并通过动作条件化世界模型模拟个人12周‘如果改变习惯’的健康轨迹，结合血液生物标志物扩展至心血管-肾脏-代谢（CKM）系统的早期风险评估。该框架旨在将健康监测与实际行为干预相结合，解决现有健康年龄模型难以解释或指导日常行为的问题。

阅读原文（Google Research Blog）↗

原文发布 2026-11-12 03:54（北京时间）来源 Google Research Blog自动整理 · 已核对原文

01摘要

框架构建了可调节的健康年龄（CHA）模型，基于每日可改变的行为——如静息心率、步数、睡眠时长和活跃区分钟数——并结合可选生理指标进行建模。模型通过数学调整消除信号间的重叠，确保各习惯对健康年龄差异的独立贡献。研究在All of Us项目、纵向Fitbit队列及WEAR-ME研究中验证，健康年龄高于实际年龄者未来发生高血压、心血管疾病或2型糖尿病的风险显著升高，且在50岁以下人群中的预测能力优于传统临床指标，同时显示持续改善习惯可使健康年龄下降。

由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。

02要点

框架基于可穿戴设备的被动信号构建可调节健康年龄（CHA），整合静息心率、步数、睡眠时长和活跃区分钟等可改变行为。
通过动作条件化世界模型模拟12周‘如果改变习惯’的健康轨迹，生成临床验证的个性化干预建议。
在All of Us、Fitbit及WEAR-ME研究中验证，健康年龄高于实际年龄者未来疾病风险更高，且随良好习惯持续改善而下降。
可扩展结合血液生物标志物，实现对心血管-肾脏-代谢系统早期亚临床损伤的综合监测。

03原文出处

Using wearables to enable cardiovascular-kidney-metabolic (CKM) risk profiling for personalized coaching

Google Research Blog · 发布于 2026-11-12 03:54（北京时间） · 上方为原标题

05相关新闻

出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-12 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日

01摘要

02要点

03原文出处

04站内相关

05相关新闻