该公司网站首页放了一张慢跑者的照片，图中的人眼神狂热，而旁边的广告词是：“每一瞬间都至关重要，点点滴滴造就非凡影响——因为健康是你生活中所有细节的总和。”

近2000万人受到这广告词驱使订购了Fitbit产品，还有更多的人们使用其他的设备或者手机应用程序记录每天的步数、消耗的卡路里和睡眠的时间，来帮助他们戒烟、戒酒和减压，或者帮助他们调理慢性疾病。日常生活的点滴被提炼成一条条充满激励的统计数据流，量化个人生活已经变成了一个蓬勃发展的产业。

记录生活的热潮带来了临床科学家梦寐以求的东西：人们在“自然”状态下每时每刻生活细节的大量私密数据，这与实验室或临床上的控制环境不同，因而显得更为宝贵。“这就如同打开了一扇窗户，可以一窥人们生活的部分细节，而之前我们完全没有这样的机会。”加州大学旧金山分校的物理学家与信息学家艾达•西姆（Ida Sim）说道。

在以前，为了从研究对象身上收集一点数据，我们需要为他们精心设计复杂的运动和心率监测设备。但现在，约2/3的美国成人的手机里内置有GPS、照相机、光线和运动传感器，“科学家可以通过人们包包里的手机远程获得他们的健康数据，”西姆说道，“这个想法吸引了新的一群科学家，关注着新的问题。”

打个比方，研究者想知道通过这种方式最终能否发现到底多大的锻炼量或哪一种锻炼方式更有利于心脏的健康，或者究竟哪种方法能帮助人们彻底戒烟。很多研究者希望移动设备不仅能单纯地收集海量数据，还能切实改变人们的行为。通过应用程序里内置的活动，或巧妙的定时提醒，研究者可以尝试监控并随时调整几千人的运动习惯。各大高校的健康中心和政府资助的机构都希望移动医疗（mHealth）能在棘手的公众健康问题方面有所突破，如肥胖、吸烟还是抑郁症等。比如，西姆参与了一项耗时4年，并由11所高校联合举办的项目。该项目获得了美国国立卫生研究院（NIH）提供的1080万美元资助，旨在开发出新的研究工具，用于分析并利用移动端的数据来抵抗疾病。这个项目的研究团队正在开发移动端技术，来帮助人们对付充血性心力衰竭和戒除烟瘾。

但是，这种利用自我记录的潮流来推行健康习惯的方法也绝非完美。自我提升类App的真实效果仍然“不容乐观”，美国西北大学费恩伯格医学院的临床健康心理学家邦妮•斯普林（Bonnie Spring）说道。她还说，商业应用程序中的数据“还远不能达到医学研究所需的标准”。斯普林致力于研究肥胖与烟瘾的行为疗法，同时也是这个NIH项目的一份子。能够真正做到改变用户行为、改善健康或是精确测量的商业应用程序数量几乎为零。

研究者希望为良莠不齐的移动传感器市场引入严格的标准，但他们仍在为一些基本问题踌躇：手机和可穿戴设备里的原始数据足够准确吗？人们会因为手机给出的反馈而做出改变吗？还有要怎么确保人们不会把应用下载下来之后玩两天就置之不理了呢？西姆表示，人们对于移动健康领域的期望仍远远大于其实际意义，“现阶段我们仍处于对新技术的兴奋当中，还不能把它落实。”

在20世纪60年代，日本的步行俱乐部带动了一股新潮流：一种名为“万步计”（manpo-kei）的计步器风靡一时，日文字面上的意思就是“万步计数器”。当时研究者就迅速考察了这看似方便却又武断的的“每天一万步”目标是否真的能给健康带来益处。现在，每个新的Fitbit手环的默认目标也设定为每天一万步。

但科学家仍然不能确定每天一万步是不是正确的锻炼目标，斯坦福大学的心脏病学家尤安•阿什利（Euan Ashley）表示。“周末进行一些激烈的运动更好，还是每天累积一万步更好呢？我们也不确定。”他说道：“这就好比我们知道了比任何心血管疾病药物都有效的方法——运动——而我们并不知道如何利用它。”他认为答案就在手机的健康数据里。

通常情况下考察健康与行为相关性的研究都只依赖于粗略的调研，比如让病人回忆和记录他们之前做过的事情。“‘周一你都做了些什么？’‘周二你爬了几层楼梯？’那些研究都是这么执行的，”阿什利说，“但实际上，我连自己早饭吃的什么都不记得，更不用说上周三做的事情了。”更甚，连著名的历时67年的弗雷明汉心脏研究（Framingham Heart Study）这样重大的成功的纵向研究也使用过这种依靠事件回忆的调研，用于找出行为与健康评估之间的关联。

其他研究为了能获得精确的数据，不得不让被试脱离自然的生活状态。比如说，参与睡眠研究的人得在实验室里待几天甚至好几周，有时他们身上还缠着传感器，或者躺在磁共振成像仪上。然而，招募和补偿参与者所需的精力和花费过于庞大，因而并不适用于大型的研究项目。

移动电话和可穿戴传感器则提供了一个更廉价的，并能获得巨大样本量的方案。如果他们想测量什么参数，马上就能开始。“如果我们能利用这些设备进行科学研究，我们真的很想亲自验证它们。” 阿什利说道，他也参与到这项有些乏味的任务中。他收集了所有主流商家的健身追踪器，并将它们与临床级设备的心率测量和卡路里燃烧的数据进行对比。他的初步发现与近期的其他研究相符合：这些设备的心率测量数据比较一致，但是消耗的卡路里则各不相同。

阿什利刚刚开始分析这些数据，而他的团队已经在开发该应用的新版本了。它将手机由一个监控器变成一个教练，督促志愿者多做运动。

像斯普林这样的心理学家非常乐意看到人们的行为习惯能够通过小小的手机屏幕发生改变。他们说，尽管手机上的咨询或者指导不能取代传统的亲身拜访，但它可能扩展到这类治疗的干预过程中。“我们清楚我们所帮助的人从某种程度上来说是最不需要帮助的——他们负担得起报名费，他们时间富裕，还能支付停车费。”她说道。

在早期的某次尝试中，斯普林和她的同事们设计出一款应用，该应用借鉴了糖尿病预防计划（Diabetes Prevention Program）——这是一门临床测试课程，她称之为“有史以来最成功的减肥方法”。这个方法的关键在于，让用户认真地记录他们的脂肪和卡里路摄入，并追踪其体重，斯普林说，这实施起来有些困难。为了让用户持续地参与进来，这个应用将用彩色的计量表去展现无聊的卡路里和脂肪的推荐摄入量，贯穿整天的课程。

其他研究者正在测试一些帮助刚刚戒烟的人避免烟瘾再犯的应用。英国的某程序txt2stop只是发送一些定制的文本信息，比如“第四天是最难受的一天——想抽烟的愿望依然强烈？别担心，明天就好了！让你的大脑与双手都忙起来吧！”用户可以随时回复“想抽烟”来得到进一步的帮助信息，但如果他们还是抽了，也可以回复“没忍住”来获得亡羊补牢的指导。

然而该方法能否有效，很大程度上取决于用户犯烟瘾的时候手机在不在身边。“最需要帮助的人往往也是最不会主动寻求帮助的人，”桑托什•库马尔（Santosh Kumar）说道，他是孟菲斯大学的计算机科学家，同时也主导着NIH资助的重要项目MD2K（Mobile Data to Knowledge）。他认为的理想情况是，应用程序能感知用户的情境——包括诱惑的出现——从而来判断用户何时需要引导，然后提供所谓的“即时的干预”。

MD2K的合作者们正在研究这样一个系统：通过胸带收集的心电图数据里的心跳间隔来估算被试的心理压力程度——这是个可能导致戒烟失败的风险因素。（库马尔指出，如果智能手表的心脏监测器能提供可靠的数据，这些数据也是可以使用的。）结合用户胸带数据的呼吸模式与腕部运动传感器的手臂动作数据，MD2K系统无需依赖用户的报备就能检测出他们何时在抽烟。科学家们希望能将缓解压力的训练安排到人们最容易冲动或最需要鼓励的时间段。

剑桥大学的心理学家菲利克斯•诺顿（Felix Naughton）正在实验室开发Q Sense，它是一个基于环境的戒烟应用程序。最初，该应用通过GPS来监控用户的生活习惯，并了解他们最常的抽烟地点——比如酒吧里或是办公楼外面。当戒烟者想放弃戒烟时，就会收到针对性的鼓励短信。比如，待在工作场所可能会收到减压方法的技巧，从而避免他们通过尼古丁来放松。

尽管研究的热情不减，第一代改变行为的应用程序的表现却参差不齐。英国的反吸烟手机应用txt2stop在5524名用户的随机研究中显示出一些优势。数据显示，使用者6个月后的戒烟成功率翻了一番——txt2stop用户的成功率是10%，而对照组仅为5%。虽然这听起来太微不足道，但对于卫生系统而言，确实物有所值：该项服务花费16120英镑，但每吸收1000名用户，txt2stop就会增加他们18年的寿命。

同时，斯普林的减肥应用程序激发了用户们狂热的自我追踪。90%的日子里它们都输入了自己的体重数据，她说道：“我从未见过这种情况，太不可思议了。”但是当她将使用减肥应用程序的用户与借助纸笔记录自己饮食摄入量、体重的人们进行对比时，发现这个应用似乎并没有在减肥方面展示额外的优势——这两组的减肥效果都差强人意。

斯普林怀疑自我追踪会让用户更加注意饮食，但效果有限。或者用户已经最大限度地利用了看见自己健康数据的好处，这时，应用程序也就没有什么利用价值了。斯普林说，如果研究者想要更多的临床改善，那他们需要补充一些其他方法。

其他应用程序的研究无法提供任何长期的益处。一项荟萃分析（meta-analysis）检查了14种基于移动设备的体重干预措施。该分析发现，与对照组相比，用户平均减肥重量仅为1.4kg。而一篇2013年的针对21项随机实验的回顾报告发现，在针对肥胖、糖尿病管理、吸烟和其它健康问题的的移动干预手段中，只有不到一半真正有助于改善健康状况。

“坦白来讲，这些技术太前卫了，我都不知道要如何检查它的效果——它到底有没有用，”阿瑟•斯通（Arthur Stone）说道，他是纽约州立大学石溪分校医学中心的行为科学家，也是上文提到的综述的共同作者。20世纪90年代，石溪分校的研究人员是实时健康追踪领域的先驱，他们开发了著名的“生态瞬时评估法”（ecological momentary assessment），鼓励人们记录他们的活动以及当时的心情。这样可以为研究人员提供受试者更详细的心理状态。但随着智能手机收集数据的能力提升到了极致，他发现自己也开始心存怀疑。“我们真的需要随着直觉去追求极致的数据密度吗？”他想知道，“很多时候，我们测量数据仅仅是因为我们有能力进行测量，而我们自己也不知道为什么要这么做。”

新一代的即时干预手段也面临着其他问题。在最近的一项可行性调查研究中，研究人员试图了解烟民如何使用Q Sense 这一应用程序。诺顿发现，在50%的情况下，用户在收到通知后的至少30分钟之内并没有打开该应用程序。这意味着用户可能并没有在预定时间收到干预提醒。

手机应该如何，以及何时对用户进行干预的问题也成为了一个独立的研究领域。卢布尔雅那大学的计算机科学家Veljko Pejovi?与同事们试着通过收集一天中的不同时间点里用户对于信息与提醒的反馈，对于用户的“可中断性”（即能否停下手边的事情看手机）进行建模。目前为止，他的研究结果并不能给出一个普遍适用的方案。“反馈都太个性化了。”他说道。人们是否理会一条信息与诸多因素有关，比如地理位置、时间点、他们正从事的活动，以及他们是否刚刚开始或者结束一项任务。

MD2K团队担心用户在最需要某一提醒的时候却并不能注意到它，比如感到压力山大的时候。因此，在2016年1月，他们将开展一项新的研究，其中会有75名烟民参与，这项研究将是按序随机进行的。对于某一用户，他/她会偶尔收到一些提示，告诉他/她在压力倍增的时候做一些压力管理训练；而在其他时候，压力较低的时候，他们也会收到提醒。结合可穿戴传感器中的吸烟记录，这些数据可能找到最有效的压力应对策略。

最终的结果可能是，没有哪一个改变行为的策略适用于所有人。比如说，MD2K团队原计划为每一用户提供个性化的提醒定时，但随着应用程序带来了关于每位用户的更丰富的数据，我们也清楚地认识到“预测群体行为的程序不一定能预测个体的行为”，诺顿说道。

罗莎琳德•皮卡德（Rosalind Picard）是麻省理工学院（MIT）的一位计算机科学家，他正在研究对用户心态特别敏感的高度个性化的干预措施。

皮卡德的研究动力来自于一个悲剧：2013年，她听闻自己教过的一个研究生结束了自己的生命。她的研究团队开始思考怎样使用可穿戴传感器缓解压力，防止抑郁。“研究这些症状是一回事，”她说，“但把这些研究转变为一种能改变人们生活的工具却是一回事。”从以前学生的母亲那里得到一笔纪念基金的资助后，皮卡德的实验室开始研究源于工作的压力，以及缓解压力的方法。

研究的第一阶段（相关论文已于今年公布发表）追踪了一群MIT的本科生30多天的生活，收集了腕式传感器在运动、皮肤导电性和温度方面的数据，以及关于位置、电话和短信的手机记录。研究团队随后将这些测量结果与压力、健康、能量、机敏性、幸福感的自我评估（见上图）进行了比较。初一看，结果并不意外：比如，较长的户外活动时间以及充足的良好的睡眠都是预测幸福感的因素。

皮卡德所设想的技术理念更为复杂：将其设计为一个系统，通过传感器得到的独特的信号，逐渐能够预测用户即将到来的焦虑情绪或抑郁心情，并在用户可能陷入麻烦的时候做出提醒。例如，如果某人的传感器和移动数据表明她睡眠无规律，或者她情绪低落，半夜还常常在玩手机，系统就会自动发送一条安慰信息或建议她需要更多的睡眠。

这个系统的真实可靠性还有待观察，更不用说政府监管机构会如何看待它。“这有点像150年前的天气预报。当时人们只能参考农业历书，结果整个城市被风暴夷为平地，而之前人们却浑然不知。” 皮卡德说道。但她认为这项技术已经足够好，研究者可以开始着手预测人类行为了，“虽然还不能跟现在的天气预报一样靠谱，但是总比瞎蒙好多了。”