将 SocialBit 作为临床人群中用于检测社交互动的智能手表算法的验证

为什么计算对话次数很重要

在经历诸如中风等重大疾病后，许多日常的微小时刻——比如与护士交谈或与家人开玩笑——可能悄然影响康复。社交关系被证明能保护大脑健康，甚至延长寿命，然而临床医生很少有可靠的方法来衡量患者白天实际有多社交。该研究介绍了 SocialBit，一种基于智能手表的系统，它以注重隐私的方式监听对话，并检验其是否能准确跟踪住院中风患者的真实世界社交互动。

能“听到”但不偷听的智能手表

SocialBit 是运行在现成智能手表上的软件算法。它并不录制对话或分析人们所说的词语，而是使用简短的环境声音片段来捕捉诸如音量、节奏和其他声学特征的模式。基于这些特征，它判断某一分钟是否很可能包含互动——互动被简单定义为由他人向患者发出的或由患者发出的任何声音，包括中风后常见的支离破碎或非语言性言语。因为该系统从不存储原始音频或转录文本，所以在提供患者社交世界的连续读数的同时，旨在保护隐私。

在真实医院环境中测试设备

为了查看 SocialBit 在实验室外是否有效，研究人员在波士顿的两家医院招募了153名因缺血性中风住院的成人。患者在白天佩戴智能手表，最长达八天，同时受过训练的观察员观看安全的实时视频并对每一分钟标注为有社交或无社交。这产生了将近89,000分钟的人工编码数据，其中约14,000分钟也有 SocialBit 的读数。患者差异很大：中风严重程度从非常轻到严重不等，思维和记忆评分几乎覆盖了整个量表，24名参与者患有不同形式的失语症，这是一种常常破坏正常对话的语言障碍。这种多样性使团队能够测试系统在言语断断续续、含糊或极少的情况下是否仍能可靠工作。

算法的表现如何

当将 SocialBit 的判断与人工编码者逐分钟的标注进行比较时，表现最佳的算法版本在大约87%的确实包含社交互动的分钟里正确检测到互动，并在88%的时间里正确识别为非互动。从统计上看，这使 SocialBit 超过了现有的一般用途语音和对话检测器。重要的是，其对患者全天互动时间的汇总视图与人工估计高度一致，尽管智能手表为节省电池仅每五分钟采样一次。面对许多真实世界挑战时表现仍然强劲，包括背景电视、房间内的旁侧对话、电话和视频通话、不同的病区以及两种型号的智能手表硬件等情形。

包括那些有言语困难的患者

一个关键问题是 SocialBit 是否会在失语症患者中失效，这些人可能说话较少或产生非标准言语。在该子群体中，算法仍然表现良好，与无语言问题的患者相比准确率仅出现小幅下降。该系统的行为也符合临床直觉：中风更严重的患者被检测到的互动分钟更少，这与人工编码者的观察相呼应。中风严重程度评分每增加一分，互动时间比例大约下降一个百分点。这表明 SocialBit 不仅在识别声音，而且在捕捉患者社交生活的一个有意义维度。

这对护理可能意味着什么

作者认为，像 SocialBit 这样的工具可以将社交互动转变为一种“生命体征”，与血压或心率一起被跟踪。在研究中，它可以为旨在改善生活质量或减少孤立的临床试验提供一个客观的结局指标。在日常实践中，它可以在患者社交参与度下降时提醒临床医生和护理人员，从而促使更早的支持或环境调整。虽然还需更多工作来将系统改造用于家庭环境，并不仅捕捉互动的频率还要衡量这些时刻的意义，但本研究表明，一只简单的智能手表可以可靠地测量康复过程中一个强大但此前难以察觉的成分：人与人之间的联系。

引用: Dhand, A., Tate, S., Mack, C. et al. Validation of SocialBit as a smartwatch algorithm for social interaction detection in a clinical population. Sci Rep 16, 4529 (2026). https://doi.org/10.1038/s41598-026-37746-x

关键词: 中风康复, 社交互动, 智能手表感知, 数字生物标志物, 失语症