利用可穿戴设备实现心血管-肾脏-代谢（CKM）风险分析以支持个性化指导

判断

Google Research 的 CKM 团队必须决定是否将该研究性可指导健康年龄框架推进前瞻性临床验证，以更快的消费级落地换取证据，证明 12 周反事实计划改善硬结局而不只是教练偏好。

依据

Google Research 的研究科学家 Zeinab Esmaeilpour 和 Ahmed A. Metwally 介绍了一个研究性机器学习框架。可指导健康年龄基于已发表的流行病学关联，整合静息心率、每日步数、睡眠时长和每周 Active Zone Minutes，并可选纳入 VO2max、睡眠规律性和胰岛素抵抗；重叠部分经过调整，使每种习惯对健康年龄差值贡献各自份额。Sensor World Model 是一个动作条件世界模型，使用约 100,000 名同意参与的 Fitbit 用户共 228 万人周数据预训练；给定两周基线数据，它预测 12 周内的 20 项生理标志物，并与受可行性约束的优化器和 LLM 指导代理配对。验证包括 18,423 名无疾病的 All of Us 参与者、为期 8 年，以及五名认证生活方式教练和五名委员会认证的初级保健/生活方式医学医师对 49 份档案的盲审（490 次配对评审），另加 WEAR-ME 中的自动化评估（n = 2,780）；基于反事实的计划被偏好近 3 比 1，并达到 99.2% 的临床安全标准。