Health wearable tương lai có thể không chỉ báo bạn đi đủ bước: Nó sẽ xây “timeline sinh học” kéo dài nhiều tháng

Mười nghìn bước hôm nay nói rất ít về việc cơ thể một người đã thay đổi như thế nào trong sáu tháng qua. Một nhịp tim lúc nghỉ cũng vậy. Giá trị lớn hơn của health wearable có thể xuất hiện khi thiết bị ngừng coi mỗi ngày là một bảng điểm độc lập và bắt đầu ghép hàng nghìn phép đo thành một quỹ đạo theo thời gian: bạn thường hoạt động lúc nào, nhịp ngày–đêm ổn định ra sao, mức vận động có đang trượt xuống và những thay đổi đó có đi cùng biến đổi sinh học hay không.

Một nghiên cứu vừa công bố trên Nature Communications cung cấp một ví dụ khá rõ. Jinjoo Shim và Jukka-Pekka Onnela tại Harvard T.H. Chan School of Public Health kết hợp dữ liệu Fitbit kéo dài nhiều năm của 2.222 người trong chương trình All of Us với các lần đo PhenoAge từ dữ liệu lâm sàng. Tổng cộng, tập dữ liệu tương đương 8.447 person-years theo dõi. Kết quả cho thấy cường độ, thời điểm và độ ổn định của nhịp nghỉ–hoạt động 24 giờ có liên hệ với quỹ đạo lão hóa sinh học.

Đây chưa phải một chiếc đồng hồ có thể nhìn vào cổ tay rồi chẩn đoán “bạn đang già nhanh”. Wearable trong nghiên cứu không trực tiếp đo tuổi sinh học. Điểm mới nằm ở cách xử lý thời gian: dữ liệu vốn thường bị nén thành số bước, phút vận động hay một sleep score được phân tích như một digital phenotype kéo dài qua nhiều tháng và nhiều năm.

Một ngày là ảnh chụp, nhiều tháng mới bắt đầu thành đường xu hướng

Phần lớn giao diện wearable hiện nay được xây quanh các chu kỳ ngắn: hôm nay bạn đi bao nhiêu bước, đêm qua ngủ mấy giờ, nhịp tim nghỉ sáng nay là bao nhiêu. Những con số này dễ hiểu và hữu ích cho hành vi hàng ngày, nhưng chúng rất nhạy với những thứ tạm thời như một chuyến bay, cảm cúm, cuối tuần ít vận động hay một đêm mất ngủ.

Với nghiên cứu sức khỏe, đây là một vấn đề. Nếu mục tiêu là tìm tín hiệu gắn với bệnh mạn tính hoặc lão hóa, dữ liệu một ngày có thể chứa quá nhiều nhiễu. Ngay cả một tuần — khoảng thời gian phổ biến trong nhiều nghiên cứu actigraphy — vẫn chỉ là lát cắt ngắn của cuộc sống thật.

Một preprint do các nhà nghiên cứu tại NIH, Oxford và các tổ chức khác công bố đầu năm 2026 minh họa khá trực tiếp điều này. Nhóm phân tích khoảng 11 triệu ngày dữ liệu Fitbit của 29.351 người, rồi tạo cùng các chỉ số vận động ở năm cửa sổ: một ngày, một tuần, một tháng, sáu tháng và một năm. Họ báo cáo rằng các cửa sổ dài hơn tạo ra mối liên hệ ổn định hơn với nhiều chẩn đoán trong hồ sơ sức khỏe điện tử. Ví dụ, số bước trung bình một năm có liên hệ thống kê với nhiều kết cục bệnh hơn đáng kể so với số bước của một ngày.

Kết quả đó hiện vẫn là preprint, chưa qua peer review, nên không nên xem các con số cụ thể như bằng chứng lâm sàng cuối cùng. Nhưng nó đặt ra một nguyên tắc hợp lý cho wearable: điều có giá trị có thể không phải “hôm nay là bao nhiêu”, mà là đường nền của riêng một người thay đổi ra sao qua hàng trăm ngày.

Nghiên cứu mới biến nhịp sống thành một digital phenotype

Công trình trên Nature Communications không chỉ cộng tổng bước chân. Nhóm nghiên cứu xây dựng các đặc trưng của circadian rest-activity rhythm — nhịp nghỉ và hoạt động theo chu kỳ khoảng 24 giờ.

Một người có thể đạt cùng 8.000 bước mỗi ngày theo hai kiểu rất khác nhau. Người thứ nhất hoạt động khá đều vào ban ngày và nghỉ tương đối ổn định vào ban đêm. Người thứ hai có ngày rất ít vận động, đêm lại đi lại nhiều, giờ hoạt động chính thay đổi liên tục. Tổng số bước giống nhau, nhưng cấu trúc thời gian hoàn toàn khác.

Nhóm Harvard xem xét các đặc tính như cường độ nhịp, thời điểm hoạt động đạt đỉnh và độ ổn định giữa các ngày. Họ còn dùng functional principal component analysis để tìm những dạng 24 giờ xuất hiện lặp lại trong dữ liệu, thay vì ép mọi người vào một chỉ số duy nhất.

Kết quả chính: nhịp hoạt động mạnh hơn có liên hệ với odds của accelerated biological aging thấp hơn khoảng 26–46%, tùy đặc trưng và mô hình phân tích. Các liên hệ về timing và regularity cũng khác nhau giữa nam và nữ; trong nhóm nam, các tác giả quan sát một dạng mất ổn định hai pha với hoạt động tăng sớm vào buổi sáng và bật lại muộn vào buổi tối ở nhóm lão hóa nhanh hơn.

Đó là association, không phải quan hệ nhân quả. Nghiên cứu không chứng minh rằng chỉ cần chỉnh giờ vận động là có thể làm chậm tuổi sinh học. Một bệnh lý đang phát triển cũng có thể làm thay đổi giấc ngủ, khả năng vận động và nhịp ngày–đêm trước khi được chẩn đoán, tạo ra chiều nguyên nhân ngược.

“Tuổi sinh học” ở đây đến từ xét nghiệm, không phải từ Fitbit

Điểm dễ hiểu sai nhất là PhenoAge. Trong nghiên cứu, Fitbit cung cấp dữ liệu hoạt động; còn biological age được ước tính độc lập bằng PhenoAge, một thuật toán kết hợp tuổi thực với chín biomarker lâm sàng thường gặp như albumin, creatinine, glucose, C-reactive protein, tỷ lệ lymphocyte và một số chỉ số huyết học.

Nói cách khác, các nhà nghiên cứu có hai dòng dữ liệu: một bên là hoạt động hàng ngày từ cổ tay, bên kia là những lần đo sinh học từ hồ sơ lâm sàng. Họ hỏi liệu cấu trúc hoạt động kéo dài theo thời gian có đi cùng quỹ đạo PhenoAge hay không.

Sự phân tách này rất quan trọng. Wearable không thay thế xét nghiệm máu trong nghiên cứu này, và cũng chưa thể lấy một đêm ngủ hoặc một tuần bước chân rồi suy ra tuổi sinh học chính xác của cá nhân. Nó đóng vai trò cảm biến thụ động giúp lấp đầy khoảng thời gian dài giữa những lần một người bước vào phòng khám.

All of Us đang tạo thứ mà y học trước đây rất khó có: dữ liệu giữa các lần khám

Nghiên cứu có thể thực hiện được nhờ quy mô của All of Us Research Program. Một bài Resource trên Nature Medicine năm 2026 mô tả kho dữ liệu Fitbit của chương trình gồm hơn 59.000 người, trải dài 14 năm, với hơn 39 triệu quan sát về bước chân và 31 triệu quan sát về giấc ngủ. Gần một nửa số người có Fitbit cũng đóng góp thêm hồ sơ sức khỏe điện tử, số đo lâm sàng, dữ liệu gene hoặc khảo sát.

Đây là thay đổi căn bản so với dữ liệu y tế truyền thống. Một lần xét nghiệm máu có thể cho biết glucose, CRP hoặc creatinine ở thời điểm lấy mẫu. Một lần khám có thể ghi huyết áp và cân nặng. Nhưng phần lớn thời gian giữa hai lần khám là vùng trống.

Wearable lấp vùng trống đó bằng dữ liệu tần suất cao. Giá trị của nó không nhất thiết nằm ở việc mỗi phép đo phải đạt độ chính xác của thiết bị bệnh viện. Trong một số bài toán, điều quan trọng hơn là thiết bị đo nhất quán đủ lâu để nhận ra baseline của từng người và phát hiện sự dịch chuyển kéo dài khỏi baseline ấy.

Một “timeline sinh học” có thể trông như thế nào?

Nếu hướng nghiên cứu này đi tới sản phẩm, giao diện wearable trong tương lai có thể bớt giống bảng thành tích và giống một hồ sơ diễn tiến hơn. Thay vì chỉ báo “7.432 bước”, hệ thống có thể nhận ra rằng biên độ hoạt động ngày–đêm của một người đã giảm liên tục trong tám tuần; thời gian hoạt động đỉnh trễ dần; giấc ngủ và nhịp tim nghỉ cùng thay đổi; rồi đánh dấu đây là sự lệch kéo dài so với baseline nhiều tháng của chính người đó.

Đây là điều có thể gọi một cách hình tượng là “timeline sinh học”. Nó không phải một biomarker đơn lẻ. Đó là lịch sử của nhiều tín hiệu — hoạt động, giấc ngủ, nhịp tim, nhiệt độ, PPG và trong tương lai có thể cả dữ liệu hóa sinh — được đặt trên cùng một trục thời gian.

Một nghiên cứu khác của Apple và cộng sự trên hơn 213.000 người đã cho thấy tín hiệu PPG từ wearable có thể được biến thành PpgAge, một “aging clock” số. Đáng chú ý hơn con số tuổi dự đoán là phần longitudinal: PpgAge thay đổi rõ trong thai kỳ và quanh một số sự kiện tim mạch. Điều đó gợi ý rằng các representation học từ wearable có thể phản ánh thay đổi sinh lý bên trong một cá nhân, thay vì chỉ phân loại người này với người khác.

Từ timeline nghiên cứu tới cảnh báo sức khỏe còn một khoảng cách lớn

Longitudinal data không tự động biến wearable thành thiết bị chẩn đoán. Càng thu thập lâu, hệ thống càng phải giải quyết những vấn đề khó: người dùng tháo thiết bị, đổi model phần cứng, firmware thay đổi thuật toán, cảm biến trôi theo thời gian, du lịch làm lệch nhịp sinh hoạt, thuốc mới thay đổi nhịp tim, và dữ liệu bị thiếu không ngẫu nhiên.

Bias dân số cũng là vấn đề. Những người sở hữu và đeo wearable thường xuyên không nhất thiết đại diện cho toàn bộ dân số. All of Us đã cố giảm khoảng trống này bằng chương trình phát Fitbit miễn phí cho một số nhóm, nhưng mọi model dùng dữ liệu wearable vẫn cần được kiểm tra trên các nhóm tuổi, giới, sắc tộc, bệnh nền và điều kiện sống khác nhau.

Quan trọng hơn là false positive. Nếu một chiếc đồng hồ liên tục biến mọi sai lệch khỏi baseline thành cảnh báo bệnh, người dùng sẽ nhanh chóng bỏ qua nó, còn hệ thống y tế có thể nhận thêm một lượng lớn tín hiệu không hữu ích. Giá trị lâm sàng chỉ xuất hiện khi một trajectory được chứng minh là dự báo một kết cục cụ thể tốt hơn các yếu tố nguy cơ hiện có và dẫn tới một hành động có ích.

Vì thế, thay đổi đáng chú ý của wearable có thể không đến từ thêm một sensor hào nhoáng. Nó đến từ việc kéo dài trục thời gian. Một số bước của hôm nay là dữ liệu. Sáu tháng thay đổi so với baseline cá nhân mới bắt đầu trở thành một câu chuyện sinh học — và việc chứng minh câu chuyện đó đủ chính xác để bác sĩ hoặc người dùng hành động sẽ là bài toán tiếp theo.

Nguồn: nghiên cứu “Longitudinal digital phenotyping of activity rhythms and biological aging using commercial wearables” trên Nature Communications; bài Resource “The All of Us Research Program’s wearables dataset” trên Nature Medicine; preprint “11 million days of longitudinal wearable data reveal novel future health insights”; và nghiên cứu “A wearable-based aging clock associates with disease and behavior” trên Nature Communications.