每天，数百万美国人打开健身应用，瞥一眼步数，甚至可能在关闭应用前感到一丝轻微的内疚。大多数健康追踪技术的问题在于，它监视你的活动，但并不真正了解你。
斯坦福大学医学院的一项研究计划认为，人们忽略的应用与真正改变行为的应用之间的区别归结为一个简单的理念：在正确的时刻，向正确的人传递正确的信息。
这款应用名为"My Heart Counts"（我的心跳计数），有着不寻常的起源故事。2015年，它与苹果公司合作推出，仅两周内就收集了超过40,000名参与者的数据。十年后，该平台已吸引超过10万名研究参与者，并刚刚升级了界面，推出了新版本的应用，而这一次，它带来了AI辅导研究功能。
不仅仅是计步器
心脏病仍然是全球主要死因，尽管医学取得了非凡进步，这一状况已持续数十年。令人沮丧的现实是，最有效的干预措施之一——规律的身体活动，也是最难坚持的。知道应该多锻炼与实际去锻炼之间横亘着一道深谷，单靠意志力很少能跨越。
My Heart Counts就是为研究这道深谷并帮助人们跨越它而设计的。
"人们可能知道锻炼的重要性，同时也感觉没有时间锻炼，"My Heart Counts核心团队的专职临床研究人员Euan Ashley医学学士、外科学学士、哲学博士说道，"我们希望这款建立在数十年行为研究基础上的应用，能够支持人们在健康之路上前行——无论他们刚刚起步还是已经在路上。"
该应用不像普通健身追踪器那样只记录你的行为。作为研究平台和参与者工具，My Heart Counts旨在回答一个更难的问题：设计良好的数字干预是否真的能改变你的行为？它通过超越简单的计步来实现这一目标。
用户可以直接从手机注册参与研究，提供数字化知情同意，完成调查问卷，执行如引导步行测试等身体任务，并查看个性化的"心脏健康仪表盘"，该仪表盘整合了活动数据、睡眠模式，以及（对选择参与的用户）来自Apple Health的临床生物标志物。
该仪表盘超越了心血管风险的常规因素（血压、血糖、血脂水平），使用户能够理解在心脏病预防中起作用的其他因素，如睡眠和心理健康。
提示的心理学
My Heart Counts核心的AI辅导系统借鉴了行为心理学中一个成熟的框架——跨理论变化模型（Transtheoretical Model of Change），该模型于20世纪80年代开发，用于描述人们如何在采用新行为的过程中经历不同的阶段。该模型已广泛应用于健康促进领域，从戒烟和身体活动到药物依从性和慢性疾病管理，在这些领域中，根据个人改变的准备程度量身定制干预措施一直能持续改善结果。
例如，从未考虑过锻炼的人需要的信息与每周慢跑三次但有滑回旧习惯风险的人所需的信息截然不同。
AI会识别每位用户在这一谱系中的位置，并相应地定制信息。处于早期阶段的用户会收到激励和帮助，以克服矛盾心理。已经活跃的用户则获得专注于保持动力和防止复发的支持。
关键的是，该系统不是聊天机器人。它不会让用户参与开放式对话或接受自由文本输入，这些设计选择使AI保持专注且输出可预测。它生成的信息基于少量结构化输入：个人的变化阶段、年龄和任何身体限制等基本背景因素、首选语言和首选发送时间。
"它正在使用行为科学基础的结构生成简短、鼓励性的活动信息。"
"AI并不做医疗决策，"医学部项目经理Anders Johnson解释道，"它使用行为科学基础的结构生成简短、鼓励性的活动信息。"
比专家更受欢迎
来自应用使用的研究表明了一个令人惊讶的现象：参与者实际上更喜欢AI教练生成的信息，而不是人类健康专家设计的信息。
斯坦福大学医学院心血管医学副教授、预防心脏病学部门主任Fatima Rodriguez医学博士对此有明确的解释。"AI教练专门针对行为变化的跨理论模型进行了微调，"她说，"它生成了更个性化的信息，针对每位用户的变化阶段。在行为改变和预防方面，很少有一种放之四海而皆准的方法来吸引个体。这是日益复杂的生成式AI模型的秘密所在——建议可以更精确地针对特定情境和数据输入进行定制。"
如果这一发现在更大规模下依然成立，其影响将十分重大。来自人类专业人士的个性化健康辅导成本高昂、时间有限，且绝大多数可能从中受益的人无法获得。能够提供可比较结果的AI系统将完全改变这一方程式。
证明它有效
热情是一回事，证据则是另一回事。My Heart Counts的新版本围绕一项随机交叉试验构建，该试验专门设计用于区分真实效果与一厢情愿的想法。
在基线监测期后，参与者被随机分配接收AI生成的、匹配阶段的信息或通用步数提醒中的一种，持续一周，然后他们进行切换。由于每位参与者都经历了两种条件，他们实际上充当了自己的对照组。这种优雅的设计解决了数字健康研究中最持久的批评之一：应用程序往往吸引那些已经愿意改变的人，使得无法确定技术是否真正起作用，还是仅仅在追踪热情的早期采用者。
主要结果指标是刻意客观的：每日步数，使用统计模型进行分析，该模型考虑了参与者体验每种条件的顺序。
"初始试验故意设计得很短，"Johnson指出，"因此它旨在测量短期行为改变。长期维持是我们计划研究的关键后续问题。"
研究人员的议程上还有：收集参与者对特定提示的感受反馈。在未来某个时候，该应用将能够整合这些数据，使信息的个性化和适应性进一步提高。
信任、风险与算法
对许多人来说，将健康的任何方面交给算法可能会让人感到不舒服，研究团队认真对待这种怀疑。Fatima Rodriguez提出了一个在更广泛的医学AI辩论中常常被忽视的重要区别。
"信任度实际上很大程度上取决于AI在做什么，"她解释道，"并非所有医疗保健AI都是一样的。对于低风险的行为辅导，不完美的输出的负面影响比诊断或治疗决策要小。AI也可以比人类更一致，且不易受疲劳、不一致性和培训的影响。"
研究人员强调，My Heart Counts不是医疗设备。它不诊断疾病、不推荐治疗，也不取代医生的临床判断。参与是自愿的，数据共享需要明确许可，像电子健康记录链接这样的敏感整合严格采用选择加入的方式。
同样重要的是，AI本身是故意受限的。它无法访问完整的健康记录或非结构化个人数据，而是基于有限的结构化输入运行——如活动模式、调查回复和变化阶段信号。这种受限设计有助于保持输出的可预测性，并与其狭隘目的保持一致：支持行为改变，而非做出临床决策。
该平台还建立在医疗技术领域不寻常的透明度基础上：其代码完全开源，聚合的匿名数据通过受控访问途径与经过筛选的研究人员共享，而不是广泛可用或由单一商业实体控制。
面向未来的基础设施
My Heart Counts的最新版本基于斯坦福的Spezi框架构建，这是一个模块化开源架构，专为这种持续发展、演进的研究而设计。重建是有意为之：原始平台的老化基础设施已经开始限制创新。
但现在，由于应用的模块化性质，研究团队将能够无缝更新它，无需从头重建，团队希望这一举措将加速心血管研究领域的发现速度。
重建的影响不仅止于此。未来对仪表盘的更新可能帮助用户降低除心脏病以外的疾病风险，如乳腺癌或骨质疏松症。
一项你可以参与的研究
My Heart Counts最不寻常的地方可能是，从根本上说，这是一项任何人都可以参与的研究。美国和英国（即将推出）18岁及以上的成年人可以下载该应用，同意参与，并开始为世界领先的医疗机构之一的真实心血管研究贡献数据。
"我们的目标是提高人口健康水平，而不是受限制的科学，"研究人员谈到他们的开放数据理念时说道。
通过将行为科学与生成式AI相结合，My Heart Counts展示了一个未来，其中个性化健康辅导不再是只有负担得起的人才能享有的奢侈品。正如研究显示的，来自口袋的小提示可能成为应对世界主要死因的极其有价值（且可获得）的工具。
My Heart Counts可在iOS上下载。该研究面向美国和英国18岁及以上、会说英语或西班牙语的成年人开放。
【全文结束】