Los investigadores de Stanford Medicine han creado un algoritmo para notificar a los usuarios de relojes inteligentes el estrés, captando eventos como los viajes en avión, el ejercicio prolongado y las enfermedades.
A partir de los datos de los relojes inteligentes, un nuevo algoritmo lee la frecuencia cardíaca como indicador del estrés fisiológico o mental, lo que podría alertar a los usuarios de que están enfermando antes de que presenten síntomas.
Los investigadores dirigidos por el doctor Michael Snyder, profesor y director de genética, han inscrito a miles de participantes en un estudio que emplea el algoritmo para buscar períodos prolongados en los que la frecuencia cardíaca es más alta de lo normal, un signo revelador de que algo puede estar mal. Pero averiguar qué puede estar mal requiere un poco de investigación. Durante el estudio, muchos factores de estrés desencadenaron una alerta. Algunas personas las recibieron mientras viajaban, otras mientras corrían una maratón y otras después de excederse en el bar. El hallazgo más emocionante, según Snyder, fue que el algoritmo fue capaz de detectar el 80% de los casos confirmados de COVID-19 antes o cuando los participantes eran sintomáticos.
"La idea es que la gente acabe utilizando esta información para decidir si debe hacerse una prueba de COVID-19 o autoaislarse", dijo Snyder. "Todavía no hemos llegado a ese punto -todavía tenemos que probarlo en ensayos clínicos-, pero ése es el objetivo final".
El algoritmo no puede diferenciar entre alguien que ha bebido demasiado, alguien que está estresado por el trabajo y alguien que está enfermo por un virus. Aunque ha detectado a los usuarios que tenían COVID-19, es necesario perfeccionar el algoritmo antes de que los usuarios puedan confiar en sus relojes inteligentes para que les avisen de una infección inminente por SARS-CoV-2 u otros virus.
El artículo "Real-time alerting system for COVID-19 and other stress events using wearable data" ("Sistema de alerta en tiempo real de COVID-19 y otros episodios de estrés mediante el uso de datos portátiles"), que detalla el estudio, se publicó en línea en Nature Medicine el 29 de noviembre. El sistema de alerta se construyó con MyPHD, una plataforma escalable y segura para datos sanitarios.
Detección de estrés
Durante el estudio, que se llevó a cabo durante unos ocho meses en 2020 y 2021, 2.155 participantes se pusieron un reloj inteligente que registraba los "eventos de estrés" mentales y físicos a través de la frecuencia cardíaca. Cuando se les notificaba un evento de estrés, a través de una alerta emparejada con una aplicación en su teléfono, los participantes registraban lo que estaban haciendo. Para activar una alerta, la frecuencia cardíaca debía ser elevada durante más de unas horas, de modo que un trote rápido alrededor de la manzana o un ruido fuerte y repentino no la activaban.
"Lo bueno de esto es que la gente puede contextualizar sus alertas", dijo Snyder. "Si estás viajando en avión y recibes una alerta, sabes que el viaje en avión es probablemente el culpable". Sin embargo, si estás sentado en el sofá con una taza de té de manzanilla y recibes una alerta, eso puede ser una señal de que se está gestando otra cosa -una infección, quizás-. Snyder espera que los usuarios sean capaces de discernir cuándo una alerta significa que deben considerar hacerse la prueba.
De las 84 personas a las que se les diagnosticó COVID-19 durante el estudio, el algoritmo señaló a 67. La mayoría de las alertas correspondían a otras categorías, como viajes, comidas copiosas, menstruación, estrés mental, intoxicación o infecciones no relacionadas con el COVID-19. El algoritmo también marcó un periodo de estrés después de que muchos participantes recibieran la vacuna COVID-19, lo que refleja el aumento de la respuesta inmunitaria provocado por la inyección.
Perfeccionamiento del algoritmo.
A medida que Snyder y su equipo reclutan a más participantes para el estudio, planean perfeccionar la especificidad de las alertas añadiendo datos -como el recuento de pasos, los patrones de sueño y la temperatura corporal- con la esperanza de que los patrones de datos puedan corresponder a distintos eventos de estrés y señalarlos. Además, los investigadores tienen previsto llevar a cabo un ensayo clínico para determinar si las alertas pueden detectar con fiabilidad una infección por COVID-19 y utilizarse para orientar las decisiones médicas.
Para más información, visite:
[This is automatically translated from English]