Sau nhịp tim và bước chân, wearable muốn đo cả việc bạn đang mệt hay mất động lực

Chiếc đồng hồ trên cổ tay từng bắt đầu bằng một câu hỏi rất đơn giản: hôm nay bạn đi được bao nhiêu bước?

Sau đó nó học cách đo nhịp tim, ước tính giấc ngủ, theo dõi oxy máu, tính mức phục hồi và cảnh báo khi cơ thể có dấu hiệu bất thường.

Bây giờ, một biên giới mới đang xuất hiện: wearable không chỉ muốn biết cơ thể đang làm gì, mà còn muốn suy luận bạn đang ở trạng thái nào.

Bạn có đang mệt không? Khả năng tập trung đã giảm chưa? Cơ thể đang chịu stress? Bạn đang mất năng lượng hay có dấu hiệu giảm động lực?

Những câu hỏi này từng chủ yếu được trả lời bằng cảm nhận chủ quan hoặc bảng câu hỏi. Nhưng khi cảm biến ngày càng tốt và AI có thể kết hợp nhiều luồng dữ liệu cùng lúc, các nhà nghiên cứu đang thử biến chúng thành những “digital biomarkers” — dấu ấn số có thể theo dõi liên tục trong đời sống.

Điều đáng chú ý là một phần của mục tiêu này đã bắt đầu hoạt động khá tốt trong phòng thí nghiệm và một số bối cảnh thực tế.

Tuy nhiên, có một ranh giới rất quan trọng: đo mệt mỏi và suy luận “mất động lực” không phải cùng một việc.

Wearable đang đi từ đo tín hiệu sang đo “trạng thái”

Cảm biến wearable đo được những thứ tương đối cụ thể.

• nhịp tim;
• biến thiên nhịp tim (HRV);
• điện tâm đồ (ECG);
• chuyển động;
• nhiệt độ da;
• độ dẫn điện của da;
• giấc ngủ;
• hô hấp;
• chuyển động mắt hoặc chớp mắt trên một số thiết bị nghiên cứu.

Nhưng “mệt”, “stress” hay “giảm động lực” không phải tín hiệu mà cảm biến đọc trực tiếp.

Chúng là trạng thái ẩn.

AI phải nhìn vào một tổ hợp tín hiệu rồi suy luận xem trạng thái nào có khả năng đang xảy ra.

Cách làm này giống việc nhìn khói, nhiệt độ và nồng độ khí để suy luận có cháy — thay vì có một cảm biến tên là “cảm biến cháy”.

Mệt mỏi để lại dấu vết trên hệ thần kinh tự chủ

Khi cơ thể và não mệt đi, hoạt động của hệ thần kinh tự chủ thay đổi.

Điều này có thể ảnh hưởng đến nhịp tim, HRV, huyết áp, hô hấp và nhiều tín hiệu sinh lý khác.

Vấn đề là những dấu vết đó thường rất nhỏ, đồng thời bị nhiễu bởi vận động, caffeine, nhiệt độ, bệnh lý, cảm xúc và hàng loạt yếu tố cá nhân.

Đó là lý do AI trở nên quan trọng.

Thay vì đặt một ngưỡng đơn giản như “HRV dưới X nghĩa là mệt”, mô hình machine learning có thể học một mẫu phức tạp gồm hàng chục đặc trưng và so sánh chúng qua thời gian.

Một cảm biến năm 2026 phân loại fatigue với độ chính xác 92%

Tháng 3/2026, nhóm nghiên cứu tại National University of Singapore công bố một nền tảng wearable dùng vật liệu hydrogel mềm để thu tín hiệu tim mạch ngay cả khi người dùng đang chuyển động.

Đây là vấn đề lớn của wearable hiện tại: chuyển động làm tín hiệu ECG và các phép đo sinh lý bị nhiễu.

Nhóm nghiên cứu thiết kế một lớp metahydrogel có khả năng giảm nhiễu ngay tại giao diện giữa cảm biến và da, thay vì chỉ cố làm sạch dữ liệu bằng phần mềm sau đó.

Theo NUS, hệ thống đạt tỷ lệ tín hiệu trên nhiễu ECG khoảng 37,36 dB trong chuyển động, đồng thời cải thiện độ chính xác phát hiện đỉnh nhịp tim từ 52% lên 93%.

Sau đó, nhóm đưa các tín hiệu tim mạch vào một hệ thống deep learning.

Trong các thí nghiệm bao gồm nhiệm vụ lái xe mô phỏng và theo dõi nhiều ngày, mô hình phân loại mức fatigue với độ chính xác khoảng 92%, so với 64% khi không sử dụng nền tảng giảm nhiễu này.

Công trình được xuất bản trên Nature Sensors ngày 24/3/2026.

Wearable thậm chí có thể nhìn vào cách bạn chớp mắt

Mệt mỏi nhận thức không chỉ xuất hiện trong nhịp tim.

Chuyển động mắt và cách chớp mắt cũng thay đổi khi khả năng chú ý suy giảm.

Một nghiên cứu được báo cáo trên Nature Electronics năm 2025 sử dụng một cảm biến magnetoelastic siêu mỏng, mềm và co giãn đặt trên mí mắt.

Cảm biến ghi lại các mẫu chớp mắt, sau đó một mạng neural tích chập một chiều kết hợp clustering được dùng để phân loại mức độ cognitive fatigue.

Nhóm báo cáo độ chính xác 96,4% trong điều kiện thử nghiệm.

Con số này rất ấn tượng, nhưng cũng minh họa một điểm quan trọng: kết quả tốt trong một giao thức nghiên cứu cụ thể chưa có nghĩa smartwatch phổ thông ngày mai sẽ biết chính xác người dùng đang mệt đến mức nào trong mọi tình huống.

Mệt thể chất và mệt nhận thức không giống nhau

Một runner sau 20 km có thể mệt cơ bắp nhưng đầu óc vẫn tỉnh táo.

Một người ngồi trước màn hình tám giờ có thể gần như không vận động nhưng khả năng tập trung đã suy giảm mạnh.

Fatigue vì thế không phải một biến duy nhất.

Nghiên cứu thường phân biệt ít nhất:

• physical fatigue;
• mental hoặc cognitive fatigue;
• drowsiness;
• sleepiness;
• chronic fatigue.

Mỗi loại có thể để lại tổ hợp dấu hiệu khác nhau.

Đây cũng là lý do tương lai của wearable nhiều khả năng dựa vào multimodal sensing: kết hợp tim mạch, chuyển động, giấc ngủ, nhiệt độ, da và bối cảnh thay vì cố tìm một biomarker duy nhất.

“Mất động lực” là bài toán khó hơn rất nhiều

Đây là nơi cách nói quảng cáo dễ vượt xa khoa học.

Một wearable có thể nhận ra rằng:

• bạn ngủ ít hơn bình thường;
• bước chân giảm;
• thời gian vận động cường độ cao giảm;
• nhịp sinh hoạt trở nên thất thường;
• nhịp tim ban ngày thay đổi;
• bạn bỏ những hoạt động từng làm thường xuyên.

Những dấu hiệu đó có thể đi cùng giảm năng lượng hoặc giảm động lực.

Nhưng chúng không chứng minh rằng nguyên nhân là “mất động lực”.

Một người giảm bước chân có thể đang bị cảm.

Họ có thể bị chấn thương.

Có thể đang làm việc tại nhà.

Hoặc đơn giản trời mưa cả tuần.

Động lực là một khái niệm tâm lý phụ thuộc mạnh vào mục tiêu, ngữ cảnh và trải nghiệm chủ quan. Hiện không có một tín hiệu sinh lý duy nhất để cảm biến đọc ra “motivation = 43%”.

Wearable đang dùng khái niệm “digital phenotyping”

Một cách tiếp cận ngày càng phổ biến là digital phenotyping.

Thay vì đo một tín hiệu đơn lẻ, hệ thống quan sát mẫu hành vi số qua thời gian.

Ví dụ:

• mức vận động hàng ngày;
• độ đều của lịch ngủ;
• nhịp tim khi thức;
• thời gian bất động;
• đôi khi kết hợp cả dữ liệu smartphone như thời gian màn hình hoặc mẫu di chuyển.

Mục tiêu là tìm ra một “kiểu hình số” phản ánh trạng thái sức khỏe hoặc tâm lý.

Cách tiếp cận này đặc biệt được nghiên cứu trong trầm cảm, anxiety, stress và các rối loạn tâm thần khác.

Dữ liệu đồng hồ đã cho thấy liên hệ với triệu chứng trầm cảm

Một nghiên cứu trên Scientific Reports năm 2026 sử dụng dữ liệu Garmin từ hai nhóm gồm tổng cộng 282 người — sinh viên và bệnh nhân ngoại trú — để thử phân biệt những người trên và dưới ngưỡng triệu chứng trầm cảm của PHQ-9.

Mô hình đạt AUC 0,82 và độ chính xác 79% trên tập kiểm tra.

Những đặc trưng có ảnh hưởng mạnh gồm:

• độ biến thiên của thời lượng ngủ;
• nhịp tim tối thiểu khi thức;
• số bước tối đa trong ngày.

Người có mức triệu chứng cao hơn có xu hướng có giấc ngủ thất thường hơn và mức vận động thấp hơn.

Đây là những đặc điểm có thể liên quan tới giảm năng lượng và giảm động lực — vốn cũng là triệu chứng thường gặp trong trầm cảm.

Nhưng chính nghiên cứu cũng cảnh báo rằng dữ liệu wearable mới chỉ cho khả năng sàng lọc đầy hứa hẹn, chưa đủ để trở thành kết luận lâm sàng độc lập.

Đồng hồ không biết tại sao bạn không đứng dậy

Đây là giới hạn căn bản của passive sensing.

Một accelerometer có thể biết bạn nằm trên ghế ba giờ.

Nó không biết bạn nằm đó vì:

• bị sốt;
• đang xem phim;
• đau cơ sau buổi tập;
• kiệt sức tinh thần;
• buồn;
• không còn hứng thú làm bất cứ việc gì.

Hành vi giống nhau có thể đến từ những trạng thái tâm lý rất khác.

Vì vậy, nhiều nhóm nghiên cứu đang kết hợp wearable với ecological momentary assessment — những câu hỏi ngắn xuất hiện vài lần mỗi ngày.

Thay vì chỉ hỏi người dùng một bảng câu hỏi dài vào cuối tháng, hệ thống có thể hỏi ngay lúc đó: “Bạn thấy mệt đến mức nào?”, “Tâm trạng hiện tại ra sao?”, “Bạn có muốn tiếp tục nhiệm vụ này không?”.

Dữ liệu tự báo cáo trở thành nhãn để AI học mối liên hệ với các tín hiệu cảm biến.

Tương lai có thể là một “baseline cá nhân”, không phải một ngưỡng chung

Nhịp tim nghỉ 55 bpm có thể bình thường với người này nhưng bất thường với người khác.

Bảy nghìn bước có thể là một ngày ít vận động với người A và là ngày rất tích cực với người B.

Vì vậy, wearable thế hệ tiếp theo có thể ít hỏi:

“Bạn có nằm trong vùng bình thường của dân số không?”

và hỏi nhiều hơn:

“Bạn có đang lệch khỏi chính baseline của mình không?”

Nếu một người thường ngủ ổn định bảy tiếng, chạy 5 km ba lần mỗi tuần và có HRV theo một khoảng quen thuộc, việc cả ba thay đổi đồng thời trong một tuần có thể mang nhiều ý nghĩa hơn việc so từng chỉ số với một ngưỡng dân số chung.

Đây là một trong những lợi thế lớn nhất của wearable: nó có thể quan sát một người liên tục trong hàng tháng hoặc hàng năm.

“Readiness score” hiện tại đã là phiên bản sơ khai của ý tưởng này

Nhiều wearable thương mại đã cung cấp các điểm như readiness, recovery hoặc body battery.

Những chỉ số đó thường kết hợp một số yếu tố như:

• HRV;
• nhịp tim nghỉ;
• giấc ngủ;
• hoạt động gần đây;
• stress sinh lý.

Về bản chất, đây đã là một bước từ “hiển thị dữ liệu thô” sang “suy luận trạng thái”.

Khác biệt của thế hệ nghiên cứu mới là tham vọng đi sâu hơn: không chỉ nói cơ thể đã phục hồi hay chưa, mà thử phân biệt fatigue nhận thức, drowsiness, stress hoặc nguy cơ thay đổi sức khỏe tâm thần.

AI cá nhân hóa có thể nhận ra “hôm nay không giống bạn”

Một hệ thống tương lai có thể học hàng tháng dữ liệu của riêng người dùng.

Nó biết ngày thường người đó:

• đi ngủ lúc nào;
• HRV dao động ra sao;
• mức vận động trong giờ làm việc;
• bao nhiêu thời gian ngoài trời;
• nhịp tim thay đổi thế nào khi tập;
• những hôm tự báo cáo “rất mệt” thường có mẫu gì.

Khi một mẫu tương tự xuất hiện trở lại, thiết bị có thể cảnh báo sớm.

Ví dụ:

“Ba ngày gần đây giấc ngủ của bạn kém ổn định, HRV thấp hơn baseline và hoạt động ban ngày giảm. Dữ liệu này giống những giai đoạn bạn từng báo cáo mệt cao.”

Cách diễn đạt đó khoa học hơn nhiều so với:

“Bạn đang mất động lực.”

Wearable có thể thay đổi cách nó tương tác với bạn

Một khi thiết bị ước lượng được fatigue, bước tiếp theo không nhất thiết chỉ là hiển thị một biểu đồ.

Giao diện có thể thích nghi.

Nếu hệ thống đánh giá người dùng đang mệt nhận thức, nó có thể:

• giảm thông báo;
• đề nghị nghỉ;
• hoãn mục tiêu tập luyện;
• chuyển sang bài tập nhẹ;
• tránh gửi một chuỗi lời nhắc tạo thêm áp lực.

Nếu phát hiện dấu hiệu giảm hoạt động kéo dài, thiết bị có thể chuyển từ “hãy đạt 10.000 bước” sang những mục tiêu nhỏ hơn và phù hợp với baseline hiện tại.

Ở đây, wearable bắt đầu chuyển từ tracker sang adaptive interface.

Nhưng lời nhắc sai cũng có thể gây hại

Hãy tưởng tượng đồng hồ nói:

“Bạn có vẻ đang mất động lực.”

trong khi người dùng chỉ đang nghỉ sau một tuần làm việc căng thẳng.

Hoặc thiết bị liên tục cảnh báo “stress cao” khiến một người vốn lo âu càng chú ý quá mức vào cơ thể.

Đây là một vấn đề được gọi rộng hơn là tác động phản hồi của dữ liệu sức khỏe.

Một phép đo không chỉ mô tả trạng thái. Nó còn có thể thay đổi cách người dùng cảm nhận trạng thái đó.

Vì thế, khi wearable chuyển từ các đại lượng tương đối trực tiếp như nhịp tim sang các khái niệm tâm lý, cách diễn đạt bất định trở nên rất quan trọng.

Ranh giới giữa wellness và chẩn đoán y khoa sẽ ngày càng mờ

“Bạn ngủ chưa tốt” là một gợi ý wellness.

“Dữ liệu của bạn cho thấy nguy cơ trầm cảm” đã bước sang một vùng hoàn toàn khác.

Khi wearable bắt đầu suy luận trạng thái tâm thần hoặc dấu hiệu bệnh lý, các câu hỏi về độ chính xác, validation lâm sàng và trách nhiệm trở nên nghiêm trọng hơn.

False positive có thể gây lo lắng không cần thiết.

False negative có thể khiến người dùng tin rằng mọi thứ ổn khi thực tế họ cần hỗ trợ.

Do đó, khả năng dự đoán tốt trong một nghiên cứu không tự động biến một thuật toán thành công cụ chẩn đoán.

Một con số “92% accuracy” không nói hết câu chuyện

Các nghiên cứu fatigue thường được thực hiện trong bối cảnh có kiểm soát: nhiệm vụ lái xe mô phỏng, bài test nhận thức hoặc protocol gây mệt.

Trong thực tế, dữ liệu phức tạp hơn nhiều.

Một người có thể vừa thiếu ngủ, vừa uống cà phê, vừa tập thể thao, vừa bị stress công việc.

Mô hình còn phải hoạt động trên nhiều tuổi, giới tính, thể trạng, bệnh lý, màu da, thuốc đang sử dụng và loại thiết bị khác nhau.

Hiệu năng vì vậy có thể giảm đáng kể khi rời khỏi tập dữ liệu dùng để phát triển.

Đây là lý do validation ngoài đời thực và trên nhiều quần thể quan trọng hơn một con số accuracy đơn lẻ.

Dữ liệu về tâm trạng cũng nhạy cảm hơn số bước

Nếu wearable có thể suy luận rằng người dùng đang stress, mệt kéo dài hoặc có dấu hiệu giảm động lực, dữ liệu đó có giá trị riêng tư cao hơn rất nhiều so với “8.432 bước”.

Nó có thể được quan tâm bởi:

• nhà tuyển dụng;
• công ty bảo hiểm;
• nền tảng quảng cáo;
• ứng dụng sức khỏe;
• cơ sở y tế.

Câu hỏi vì thế không chỉ là “máy có đo được không?”.

Mà còn là:

ai được phép biết máy đã suy luận điều gì về bạn?

Từ quantified self sang inferred self

Thế hệ wearable đầu tiên thuộc về phong trào quantified self: biến cuộc sống thành những con số có thể đếm.

Bước chân.

Calories.

Nhịp tim.

Phút ngủ.

Thế hệ mới đang tiến sang một thứ khác: inferred self.

Thiết bị không chỉ hiển thị dữ liệu mà dùng mô hình để suy luận những trạng thái mà cảm biến không trực tiếp đo được.

“Bạn đang phục hồi kém.”

“Bạn có thể đang mệt.”

“Mẫu hoạt động này khác đáng kể so với baseline.”

Và trong tương lai có thể là những nhận định gần hơn với tâm trạng, mức tập trung hoặc động lực.

Wearable sẽ biết bạn mệt trước chính bạn?

Trong một số trường hợp, điều đó hoàn toàn có thể xảy ra.

Con người không phải lúc nào cũng nhận ra sớm những thay đổi dần dần trong giấc ngủ, nhịp tim hoặc hiệu suất vận động.

Một thiết bị theo dõi liên tục có thể phát hiện xu hướng trước khi người dùng chủ động để ý.

Nhưng “biết trước” ở đây nên được hiểu là phát hiện mẫu dữ liệu liên quan tới fatigue, không phải đọc được trạng thái chủ quan của tâm trí.

Đó là khác biệt quyết định.

Sau nhịp tim và bước chân, cuộc đua tiếp theo là hiểu bối cảnh con người

Wearable đã đi một quãng dài từ chiếc pedometer đếm bước.

Cảm biến mới có thể thu tín hiệu sinh lý sạch hơn khi người dùng chuyển động. AI có thể kết hợp tim mạch, giấc ngủ và hành vi để phân loại fatigue. Những nghiên cứu digital phenotyping đang cho thấy dữ liệu cổ tay có thể mang tín hiệu liên quan tới stress và triệu chứng tâm thần.

Nhưng càng đi sâu từ “cơ thể” sang “tâm trí”, bài toán càng khó.

Mệt mỏi có những dấu vết sinh lý tương đối rõ để mô hình khai thác.

Động lực phụ thuộc mạnh vào mục tiêu và hoàn cảnh, nên hiện nay thiết bị chủ yếu chỉ có thể suy luận gián tiếp.

Tương lai hợp lý nhất vì thế không phải chiếc đồng hồ tuyên bố chắc chắn:

“Bạn đã mất động lực.”

Mà là một hệ thống nói:

“Trong vài ngày qua, giấc ngủ, hoạt động và tín hiệu sinh lý của bạn đã lệch khỏi baseline theo mẫu thường liên quan tới fatigue hoặc giảm năng lượng. Bạn thấy mình thế nào?”

Khoảnh khắc đó sẽ đánh dấu một thay đổi lớn.

Wearable không còn chỉ là chiếc máy đo bạn đã làm gì.

Nó trở thành một hệ thống cố gắng hiểu vì sao hôm nay bạn không còn giống chính mình của những ngày trước.

Nguồn tham khảo

• National University of Singapore, 2026 — Wearable sensor enables real-time tracking of fatigue and mental health.
• Nature Electronics 2025 — Fatigue measurement via a wearable on-eyelid magnetoelastic sensor.
• Scientific Reports 2026 — Using wearable data to detect depression severity across clinical and non-clinical samples.
• Kakhi K. và cộng sự, 2025 — Fatigue monitoring using wearables and AI: trends, challenges, and future opportunities.
• JMIR mHealth and uHealth 2025 — Review of AI and accelerometer-based wearable data for mental health states.