Forscher der Stanford Medicine haben einen Algorithmus entwickelt, der Smartwatch-Träger über Stress informiert und Ereignisse wie Flugreisen, ausgedehnte sportliche Aktivitäten und Krankheiten erfasst.
Anhand der Daten von Smartwatches liest ein neuer Algorithmus die Herzfrequenz als Indikator für physiologischen oder mentalen Stress und kann Träger von Smartwatches warnen, wenn sie krank werden, bevor sie Symptome zeigen.
Forscher unter der Leitung von Dr. Michael Snyder, Professor und Lehrstuhlinhaber für Genetik, haben Tausende von Teilnehmern in eine Studie aufgenommen, die den Algorithmus einsetzt, um nach längeren Zeiträumen zu suchen, in denen die Herzfrequenz höher als normal ist - ein verräterisches Zeichen dafür, dass etwas nicht in Ordnung sein könnte. Um herauszufinden, was falsch sein könnte, muss man allerdings ein wenig nachforschen. Während der Studie lösten viele Stressfaktoren einen Alarm aus. Bei einigen wurde der Alarm während einer Reise ausgelöst, bei anderen während eines Marathons, bei wieder anderen nach einem übermäßigen Alkoholgenuss in einer Bar. Das aufregendste Ergebnis, so Snyder, war, dass der Algorithmus 80 % der bestätigten COVID-19-Fälle erkennen konnte, bevor oder wenn die Teilnehmer Symptome zeigten.
"Die Idee ist, dass die Menschen diese Informationen letztendlich nutzen, um zu entscheiden, ob sie einen COVID-19-Test machen oder sich selbst isolieren sollten", so Snyder. "Wir sind noch nicht so weit - wir müssen das noch in klinischen Studien testen - aber das ist das ultimative Ziel."
Der Algorithmus kann nicht unterscheiden zwischen jemandem, der ein paar Gläser zu viel getrunken hat, jemandem, der wegen der Arbeit gestresst ist, und jemandem, der an einem Virus erkrankt ist. Obwohl der Algorithmus Nutzer mit COVID-19 anzeigte, muss er noch weiter verfeinert werden, bevor die Menschen sich darauf verlassen können, dass ihre Smartwatches sie vor einer bevorstehenden Infektion mit SARS-CoV-2 oder anderen Viren warnen.
Die Studie mit dem Titel "Real-time alerting system for COVID-19 and other stress events using wearable data" (Echtzeit-Warnsystem für COVID-19 und andere Stressereignisse mit Hilfe von tragbaren Daten) wurde am 29. November online in Nature Medicine veröffentlicht. Das Warnsystem wurde mit MyPHD, einer skalierbaren, sicheren Plattform für Gesundheitsdaten, entwickelt.
Erkennung von Stress
Während der Studie, die in den Jahren 2020 und 2021 über einen Zeitraum von etwa acht Monaten lief, trugen 2 155 Teilnehmer eine Smartwatch, die mentale und körperliche "Stressereignisse" über die Herzfrequenz aufzeichnete. Wenn sie über ein Stressereignis benachrichtigt wurden, zeichneten sie mit einer App auf ihrem Telefon auf, was sie gerade taten. Um einen Alarm auszulösen, musste die Herzfrequenz länger als ein paar Stunden erhöht sein, so dass ein schnelles Joggen um den Block oder ein plötzliches lautes Geräusch den Alarm nicht auslöste.
"Das Tolle daran ist, dass die Menschen ihre Alarme in einen bestimmten Kontext stellen können", so Snyder. "Wenn man mit einer Fluggesellschaft reist und einen Alarm erhält, weiß man, dass wahrscheinlich eine Flugreise der Grund dafür ist. Wenn man jedoch mit einer Tasse Kamillentee auf der Couch sitzt und einen Alarm erhält, kann das ein Zeichen dafür sein, dass sich etwas anderes zusammenbraut - vielleicht eine Infektion. Snyder hofft, dass die Träger in der Lage sein werden zu erkennen, wann ein Alarm bedeutet, dass sie sich testen lassen sollten.
Von 84 Personen, bei denen während der Studie COVID-19 diagnostiziert wurde, hat der Algorithmus 67 markiert. Die meisten Alarme fielen in andere Kategorien, wie z. B. Reisen, große Mahlzeiten, Menstruation, psychischer Stress, Rauschzustände oder Nicht-COVID-19-Infektionen. Der Algorithmus wies auch auf eine Stressphase hin, nachdem viele Teilnehmer einen COVID-19-Impfstoff erhalten hatten, was auf die durch die Impfung ausgelöste Steigerung der Immunreaktion zurückzuführen ist.
Verfeinerung des Algorithmus.
Da Snyder und das Team weitere Teilnehmer für die Studie rekrutieren, planen sie, die Spezifität der Warnungen durch Hinzufügen von Daten - einschließlich Schrittzahl, Schlafmuster und Körpertemperatur - zu verbessern, in der Hoffnung, dass die Datenmuster bestimmten Stressereignissen entsprechen und diese anzeigen können. Darüber hinaus planen die Forscher eine klinische Studie, um festzustellen, ob die Alarme eine COVID-19-Infektion zuverlässig erkennen und als Entscheidungshilfe für medizinische Maßnahmen dienen können.
Weitere Informationen finden Sie unter:
[This is automatically translated from English]