
本文目錄

它記錄的是一段時間裡的身體信號,不是一個可以直接讀出的數值
一、地鐵上那一次對話
早高峰的地鐵裡,兩個女生並排站著,其中一個把手機舉到同伴面前,手腕上是一枚銀灰色的環形設備。屏幕上是一條光譜色的弧線,上面標著"黃體期 第 21 天"。
"你看,它說我這幾天是黃體期,情緒低落是正常的,讓我多做恢復性訓練。"她頓了頓,又補了一句,"它還說我壓力偏高。"
同伴湊過來看:"這個準嗎?"
"應該準吧,它一直在測我體溫什麼的。"
那位同伴接著問了一句我覺得非常關鍵的話:"那它測的是你身體裡實際的激素嗎?"
舉著手機的那位沉默了大概兩秒,然後說:"……不知道,反正它說是黃體期。"
這兩秒的沉默,是這篇文章想展開的全部內容。
59%
廠商公開數據中,可穿戴設備用戶裡女性佔比約這個數字——這是廠商押注女性健康的直接動因
94.1%
某腕式激素監測設備公佈的週期相位識別準確率(廠商公佈數據,需注意其研究設計與人群)
二、這幾年發生了什麼:從"手動記週期"到"設備自動判定相位"
2.1 第一代:它是日曆,只是包裝得像科學
早幾年的經期 App,本質是日曆加算法。你輸入上一次月經的第一天,它按平均週期長度往後推算,告訴你"預計下次月經在幾月幾號""現在是第幾天"。
這類工具的價值在於記錄與提醒,但它有一個根本侷限:**它假設你的週期是規律的,並且對所有人使用同一個平均模型。**而對週期不規律、多囊卵巢綜合徵、圍絕經期的人群來說,這個假設恰恰不成立——最需要被理解的那群人,反而最容易被這個模型誤導。
2.2 第二代:加上生理信號,從"推算"走向"識別"
接著是傳感器層面的變化。設備開始持續採集多種生理信號:夜間皮膚溫度、靜息心率、心率變異性、呼吸頻率、睡眠結構、活動量等等。
原理並不神秘:女性月經週期中,排卵後孕激素水平上升,會帶來基礎體溫的小幅升高(通常在 0.2–0.5 攝氏度這個量級,個體差異很大)。持續採集夜間溫度,理論上可以觀察到一個溫度臺階的變化,從而推斷排卵可能已經發生。
這一步是真實的進展。它把判斷依據從"日曆推算"變成了"生理信號觀測",對週期不規律的人比純日曆法更有意義。
2.3 第三代:AI 模型化——Oura 的女性健康專有模型
2026 年 4 月,Oura 推出了首個面向女性健康的專有模型,宣稱基於 50 餘項生物信號進行建模,用於識別週期相位、評估壓力與恢復狀態,並給出個性化建議。其用戶中女性佔比約 59%,這是廠商在女性健康方向加大投入的直接商業動因。
需要說清楚的是:**這是一套基於多信號的相關性模型,它的輸出是"推斷出的狀態概率",不是"測得的激素濃度"。**這個區別不是文字遊戲,它是這篇文章的核心。

設備替你自動記錄,但把身體感受同時寫下來的那本筆記,仍然是另一種信息
2.4 第四條路線:真正去測激素的腕式設備
與"靠信號推斷"不同的,是嘗試直接在體表做生化監測的方向。斯坦福相關團隊孵化的腕式激素監測設備(Clair)公佈了約 94.1% 的週期相位識別準確率,被視為"無創激素監測"方向上的一次標誌性進展。
如果這條路走通,它的意義確實不同於前者——因為它拿到的是生化層面的信息,而不是從溫度、心率等信號反推出來的狀態標籤。但同樣要注意:**公佈的準確率來自廠商自己的研究設計,其納入人群、對照標準、以及在不同生理狀態(如圍絕經期、多囊卵巢綜合徵、使用激素類避孕方式)下的表現,都需要獨立驗證。**研究數據與消費級產品的實際表現之間,通常存在差距。
請區分這兩條技術路線:
一條是"用多種生理信號推斷你可能處於哪個週期階段"(模型推斷);另一條是"嘗試直接測量體液中某種物質的濃度"(生化測量)。兩者的證據層級、誤差來源、以及對個體的適用性都不一樣,但在消費級產品頁面上,它們被呈現得同樣專業。
2.5 資本與政策為什麼同時加碼
這不是偶然。美國 ARPA-H 啟動了規模約 1.1 億美元的女性健康專項;與此同時,多家女性健康服務商完成大額融資。行業敘事的重心,已經從"消費級小硬件"轉向"更年期醫療基礎設施"——也就是說,賣的不再只是一個記錄工具,而是一套希望進入臨床路徑中去的服務體系。
這個轉向值得關注,因為它意味著這類產品會越來越多地出現在診室裡、出現在醫生的問診中、出現在保險與僱主福利方案裡。當工具從"自己看看"變成"影響臨床決策"時,它的準確性門檻就不再是消費電子標準了。
三、證據綜述:它們能做什麼,做不到什麼
3.1 它們確實能做到的
**第一,長程、連續、在真實生活裡採集。**這是設備相對於單次抽血的天然優勢。一次抽血反映的是一個瞬間,而設備記錄的是幾十上百天的趨勢。對於症狀與週期關係不清晰的人,這種長程數據有真實價值。
**第二,發現個人化的規律。**比如某些人可能確實存在"睡眠質量在週期後半段下降"的穩定模式。這類個人化觀察,即使是推斷性的,也可能對生活方式調整有幫助。
**第三,提高自我覺察與就診準備度。**帶著幾個月的數據去看醫生,比只憑回憶描述"我好像最近不太對",信息量大得多。
3.2 它們根本上做不到的
**第一,它們不測量激素濃度(對絕大多數消費級設備而言)。**這一點必須反覆強調。"算法說你處於黃體期"和"血液檢測顯示你的孕酮是某個數值",是兩種不同性質的陳述。前者是一個基於統計模型的狀態標籤,後者是一個有量綱、有參考區間、有檢驗誤差範圍的測量結果。
把前者當成後者,會導致一個非常具體的後果:**你可能會認為自己的激素是"正常的",僅僅因為設備顯示了四個階段中的一個。**而設備顯示"黃體期",並不排除你存在黃體功能不足、不排卵、或其他內分泌異常。它可以顯示一個標籤,但它沒有能力回答"我的孕酮水平夠不夠"這個問題。
社媒/產品頁面常見表述:"設備能監測你的激素水平變化。"
更準確的表述是:設備通過多種生理信號
推斷
你處於週期的哪個階段。
推斷的狀態 ≠ 測得的濃度。
前者的準確率可以用"識別對不對"來衡量,後者的準確率要用檢驗學的指標來衡量,兩者不能互相替代。

有量綱、有參考區間、有檢驗誤差——這是"濃度"三個字真正的分量
**第二,人群適用性有邊界。**多數算法的訓練數據來自規律週期的育齡女性。而對圍絕經期女性,週期本身變得不規律、排卵事件變得難以預測、夜間溫度模式也可能被潮熱與睡眠中斷打亂——在這個人群裡,以"規律週期"為前提的模型,其可靠性會顯著下降。
這一點對本文的讀者尤其相關。**40+ 女性恰恰是這類產品最想爭取、卻也是算法最容易失準的人群。**如果你正處於圍絕經期,設備給出的"週期相位"標籤,其可信度低於它在你 30 歲時的水平。
**第三,它們不診斷。**設備的輸出是趨勢信息,不是診斷結論。沒有一款消費級可穿戴設備可以替代問診、體格檢查、實驗室檢測與影像學檢查。這不是監管態度保守,而是由工具本身的信息層級決定的。
3.3 一個容易被忽略的方法學要點
當你看到"準確率 94.1%"這類數字時,需要問三個問題:
**和什麼比?**金標準是什麼——是血液激素檢測,還是超聲確認排卵?不同的對照標準,得出的準確率含義完全不同。
**在誰身上測的?**納入的是規律週期的健康年輕女性,還是包含了圍絕經期與內分泌疾病人群?後者才是真實世界的複雜度。
**誰做的研究?**廠商主導的研究與獨立第三方驗證,在證據等級上不同。這不意味著廠商數據不可信,但意味著它需要獨立復現。
讀產品數據的三個問題
對照標準是什麼 · 納入人群是誰 · 研究由誰完成。這三個問題回答不了,任何準確率數字都無法直接外推到你自己身上。
四、風險與爭議:兩類真實存在的問題
4.1 第一類:認知層面的混同
這是本文最關心的問題。
產品界面上,一個由算法推斷的"黃體期"標籤,和一個由實驗室檢測出的"孕酮 12 ng/mL",在視覺呈現上可能同樣具有權威感。用戶沒有義務理解兩者的技術差異——這正是產品設計的責任所在。
由此產生的具體風險包括:
**風險一:把"設備說正常"當成"醫學上正常"。**設備顯示四個階段循環正常,可能會讓一個有實際內分泌問題的人延遲就醫。這類延遲,在月經紊亂、異常出血、圍絕經過渡期症狀等問題上,代價是實實在在的。
**風險二:把設備建議當成醫療建議。**設備給出的"多做恢復性訓練""注意補充營養"等提示,屬於一般性生活方式引導。它沒有你的病史、沒有你的用藥情況、不知道你是否在使用影響週期的藥物或激素類避孕方式。這些提示不能替代醫囑。
**風險三:反向焦慮。**有一類用戶會對數據過度投入——每天查看評分,因為"恢復分數低"而焦慮,因為"週期預測不準"而懷疑自己的身體。設備本來是用來降低不確定感的,結果變成了新的不確定感來源。
4.2 第二類:數據層面的問題
週期數據不是普通數據。它包含的信息可以推斷出:是否懷孕、是否有月經異常、是否有內分泌疾病、性活動相關的模式、情緒與睡眠狀態。
當這些數據上傳到雲端,隱私邊界的問題就變得具體:
**數據存在哪裡、存多久、誰能訪問?**這一點必須在隱私政策裡找到明確答案,而不是隻看產品頁面上的"我們重視你的隱私"。
**是否會被用於訓練模型?**很多服務的條款裡會寫明數據可能用於改進算法。這意味著你的生理數據可能成為他人模型的一部分。是否可關閉、關閉後功能是否受影響,需要事先確認。
**是否有商業共享?**尤其是涉及僱主福利項目或保險公司合作的產品,數據流向需要格外留意。這類場景下的"自願使用",其自願程度需要打一個問號。
**是否涉及跨境傳輸?**不同司法轄區的數據保護規則不同,這一點在跨境服務中尤其需要注意。
一條硬邊界
設備記錄的是你身體的長期數據。在任何情況下,都不要把設備數據作為唯一的健康信息來源,也不要因為它"看起來一切正常"而推遲就醫。就醫的觸發條件應該是症狀,不是評分。
4.3 關於"女性健康科技"這個行業的誠實評價
可以同時成立的兩件事:
一方面,這個方向確實在填補長期存在的空白。女性生理數據在醫學研究中被忽視了幾十年,圍絕經期尤其如此。有資金、有技術、有產品進入這個領域,整體上是進步。
另一方面,"女性健康"同時也是當下最有商業吸引力的敘事之一。當資本湧入時,產品宣傳的邊界容易被推得比證據更遠。作為消費者,你能做的最有效的事,是把產品的"監測"能力和"診斷"能力分開來評估,並接受前者的價值——它不需要假裝成後者,本身也已經有用。
五、可操作建議:怎麼用它,才不虧
把它當成"趨勢觀察工具"的三條使用原則
**1. 用它發現規律,不用它下結論。**連續幾個月的數據如果能顯示出某個模式——比如"每次週期後半段睡眠變差"——這是一個值得記錄的觀察。但這個觀察的下一步是帶去問醫生,而不是自己在設備裡找答案。
**2. 帶著規律去就診,而不是帶著設備去就診。**把設備裡的數據導出成一份簡單的記錄(時間、症狀、週期標記),比現場掏出手機給醫生看光譜圖更有效。醫生需要的是可讀的時間序列信息,不是產品界面。
**3. 明確它不替代什麼。**建議在開始使用時就寫下這句話貼在手機備忘錄裡:它不測激素濃度,不做診斷,不替代任何一次該做的檢查。
5.1 隱私自我保護清單
註冊前的四個動作
1. 找到隱私政策裡的"數據用途"段落,確認是否包含"用於模型訓練/產品改進",以及是否可以關閉。
2. 確認數據存儲與跨境傳輸安排,尤其是服務商註冊地在境外的情況下。
3. 如果需要連接僱主或保險相關項目,先確認數據共享範圍。如果條款沒有明確寫明"不向僱主提供個體數據",請謹慎。
4. 開啟賬號的雙重驗證,並定期檢查已授權的第三方應用列表。週期數據賬號被盜,後果不只是隱私。
5.2 什麼時候必須放下設備,去看醫生
不要用設備數據說服自己"再等等"的情況
· 月經停止超過 3 個月(排除妊娠)
· 出血量突然顯著增多、經期顯著延長,或兩次月經之間出血
· 疼痛程度影響到日常生活
· 週期從規律變為長期不規律,且持續 3 個週期以上
· 出現明顯的潮熱、盜汗、情緒波動等圍絕經期症狀並影響生活
· 備孕 12 個月(35 歲以上 6 個月)未妊娠
· 設備顯示的數據與你身體的實際感受長期嚴重不符
以上任何一條出現時,正確動作是預約就診,不是增加一個設備。
5.3 對 40+ 讀者的特別提醒
如果你正處於圍絕經期,請對設備給出的"週期相位"標籤保持額外的懷疑。
原因很直接:圍絕經期的核心特徵就是週期變異性增大、排卵事件變得不可預測。以規律週期為訓練前提的模型,在這個階段的解釋力會下降。設備可能仍在用一套"卵泡期—排卵—黃體期"的框架給你貼標籤,而你的身體可能已經在走一條它沒見過的新路徑。
在這個階段,設備數據最合理的用法是:記錄症狀的時間分佈(比如潮熱一天幾次、睡眠中斷幾次、情緒波動的模式),然後把這些記錄帶給醫生,用於評估是否需要進一步檢查或干預。
而不是用它來判斷"我是不是還在正常週期裡"。這個問題,圍絕經期本身就讓"正常週期"這個概念變得不太適用了。
六、結論:讓它做它能做的事
回到地鐵上那兩秒的沉默。
那位女生問的是這篇文章裡最重要的問題:"它測的是你身體裡實際的激素嗎?"
在絕大多數消費級可穿戴設備上,答案是:不是。它測的是溫度、心率、心率變異性、呼吸、睡眠、活動這些信號,然後用模型推斷你可能處於哪個週期階段。這個推斷在合適的人群裡可能相當準確,但它和"抽血化驗出的孕酮數值"仍然不是同一個東西。
這不是說設備沒有價值。恰恰相反:
**它的價值在於長程、連續、在真實生活裡——這是單次抽血做不到的。**它能幫你發現規律、記錄症狀、提高就診時的信息質量。
**它的邊界在於它不測量激素濃度、不做診斷、不替代檢查。**它給你的是一個觀察,不是一個結論。
所以最合適的用法只有一句話:用它發現規律,帶著規律去就診。
設備說你黃體期,你可以記下來。但如果你的身體在告訴你別的事情——出血變了、週期亂了、症狀影響生活了——請相信身體,去醫院。這條優先級更高
地鐵會到站,手機會鎖屏,那條光譜弧線會刷新成明天的數據。而你的身體,需要的是一個能讀懂它、並且能對它做點什麼的醫生,不是一個更精確的腕錶。
參考與延伸閱讀
· 關於可穿戴設備基於夜間皮膚溫度等信號推斷月經週期相位的一般原理與侷限,可參考月經週期生理學與數字健康領域的綜述性文獻(觀察性與驗證性研究並存,模型準確率受人群影響)。
· Oura 於 2026 年 4 月發佈面向女性健康的專有模型,基於 50 餘項生物信號,其用戶中女性佔比約 59%(廠商公開信息)。
· 斯坦福相關團隊孵化的腕式激素監測設備(Clair)公佈的週期相位識別準確率約 94.1%(廠商公佈研究數據,需獨立驗證)。
· 美國 ARPA-H 啟動規模約 1.1 億美元的女性健康專項(公開政策信息)。
· 關於可穿戴設備數據隱私與跨境傳輸的一般原則,可參考各司法轄區數據保護相關規定與服務商隱私政策。
本文所引廠商數據均已標註來源性質;具體數字請以原始公開材料為準。
本文為健康科普,不構成個體化診療建議。文中提及的產品與技術僅用於說明原理,不構成為任何品牌或產品的推薦或背書。可穿戴設備屬於健康趨勢監測工具,不屬於診斷器械,其輸出不能替代醫學檢查、實驗室檢測與專業診斷。任何症狀評估、檢查選擇與治療決策,請諮詢具備資質的醫療專業人員。涉及用藥或激素相關治療方案的調整,必須由主診醫生結合個人情況評估後決定。


