用于大脑健康的数字生物标志物：来自可穿戴传感器的被动和持续评估

为什么你的手表可能有助于保护大脑

我们中许多人已经佩戴能够计步、监测睡眠并检测心率的设备。本研究提出了一个简单却有力的问题：这些静默的数据流是否也能揭示我们的记忆、注意力和情绪在日常中的状况？如果可以，大脑健康就能在后台被持续而温和地追踪，远在严重问题出现之前就进行监测。

无需检测也能观察大脑

研究人员并未把人们带到实验室进行长时间、令人疲惫的评估，而是在瑞士和法国跟踪了82名中老年人在日常生活中的十个月。在此期间，每位参与者都佩戴了一块消费类智能手表并使用智能手机应用。设备自动记录了个体的运动、心律、睡眠模式、天气和周围空气质量。每三个月，参与者还在线完成测量不同认知类型（如记忆、速度和灵活性）的任务，并填写关于压力、焦虑和情绪等感受的问卷。研究团队总共尝试仅用被动收集的数据去预测21项与大脑相关的结果。

将日常信号转化为大脑线索

为将身体和环境信号与心理状态联系起来，团队首先清洗了数据以确保设备被定期佩戴——平均而言，每天有超过96%的时间获得了有效信息。然后，他们把原始传感器读数汇总为简单的日常指标，例如24小时平均心率、深度睡眠时长、步数以及典型的温度或空气污染水平。借助多种机器学习模型，他们训练计算机程序学习这些信号组合如何与每个人的认知测试分数和自我报告的感受相关联。研究者用两种具有挑战性的方式检验模型：预测不同个体之间的差异，以及预测同一人在相邻三个月波次之间的变化。

这些“看不见的测试”效果如何？

模型能够以适度误差预测所有21项认知与情绪结果，误差通常约占每项量表全范围的3%到25%。日常情绪——例如压力、焦虑、积极情绪和消极情绪——通常比计时认知任务的表现更容易预测。例如，计算机对抑郁或焦虑的预测平均仅偏离个位数百分比，而像言语流畅性这样更复杂的能力则更难以捕捉。与始终预测所有人平均分的非常简单基线策略相比，更复杂的模型在一些具体认知能力（如注意力和认知灵活性）上明显更胜一筹，并且在大多数其他结果上至少同样稳定。这表明被动数据确实包含有关大脑健康的真实信息，尽管当前的数据集仍然偏小，尚不足以在每项指标上显示强烈的优势。

最重要的因素：空气、天气、睡眠与心跳

关键问题不仅是是否可以预测，而是哪些信号提供了最有用的线索。分析显示，环境暴露和心脏相关指标常常位居重要性前列。天气条件和空气污染物——例如温度、臭氧和细颗粒物——在解释为何某些人在认知测试中倾向于得分更高或更低时尤其重要。昼夜心率模式、睡眠质量和体育活动则有助于说明个体的认知与情绪如何随时间波动。尤其对于情绪相关结果，运动和环境因素共同发挥作用：在空气较清洁、气候更温和的活跃日子，更可能伴随更好的情绪状态。这个结论与早期研究一致：污染和不舒适的环境会对大脑造成长期负担，而睡眠紊乱和与压力相关的心律改变则与情绪与注意力的日常波动有关。

从被动应对走向早期预警

这项研究有其局限：参与者总体受教育程度较高，来自地理区域相对狭窄，且没有诊断出的精神疾病，因此研究结果可能尚不能推广到更具多样性或更高风险的人群。模型也使用了日常汇总而非按分钟的详细数据，并且关注的是自然的起伏而非明确的疾病迹象。尽管如此，结果表明简单、广泛可得的设备可以悄然反映我们思维和感受的有意义变化。随着时间推移，这类“数字生物标志物”可以帮助建立个人大脑健康基线并标记出细微的偏离——在严重记忆丧失或情绪障碍出现之前提示进一步评估。这些工具并非要取代医生，而可以作为低负担的早期预警系统，支持在整个人生阶段更加预防性和个性化的大脑健康护理。

引用: Matias, I., Haas, M., Daza, E.J. et al. Digital biomarkers for brain health: passive and continuous assessment from wearable sensors. npj Digit. Med. 9, 197 (2026). https://doi.org/10.1038/s41746-026-02340-y

关键词: 数字生物标志物, 可穿戴传感器, 大脑健康, 认知与情绪, 被动监测