Nuevo algoritmo lee datos de relojes inteligentes para alertar a los usuarios sobre el estrés corporal, incluida la COVID-19
Por el equipo editorial de HospiMedica en español Actualizado el 06 Dec 2021 |
Utilizando datos de relojes inteligentes, un nuevo algoritmo lee la frecuencia cardíaca como un indicador del estrés fisiológico o mental, lo que podría alertar a los usuarios de que se están enfermando antes de que presenten síntomas.
Investigadores de Stanford Medicine (Stanford, CA, EUA) han inscrito a miles de participantes en un estudio que emplea el algoritmo para buscar períodos prolongados durante los cuales la frecuencia cardíaca es más alta de lo normal, una señal reveladora de que algo puede estar mal. Pero averiguar qué puede estar mal requiere un poco de investigación. Durante el estudio, muchos factores estresantes provocaron una alerta. Algunas personas los recibieron mientras viajaban; algunos mientras corrían un maratón; otros después de darse un capricho en el bar. El hallazgo más emocionante fue que el algoritmo pudo detectar el 80% de los casos confirmados de COVID-19 antes o cuando los participantes presentaban síntomas. El algoritmo no puede diferenciar entre alguien que se ha pasado de tragos, alguien que está estresado por el trabajo y alguien que está enfermo con un virus. Aunque hizo ping a los usuarios que tenían COVID-19, se necesita más refinamiento antes de que las personas puedan depender de sus relojes inteligentes para advertirles de una infección inminente con SARS-CoV-2 u otros virus.
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 rastreaba los "eventos de estrés" mentales y físicos a través de la frecuencia cardíaca. Cuando se les notificaba de 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, su frecuencia cardíaca debía elevarse durante más de unas pocas horas, por lo que un trote rápido alrededor de la cuadra o un ruido fuerte repentino no lo activó. Sin embargo, si está sentado en el sofá con una taza de té de manzanilla y recibe una alerta, eso puede ser una señal de que algo más, una infección, tal vez, se está gestando. Los investigadores esperan que los usuarios puedan discernir cuándo una alerta significa que deberían considerar hacerse la prueba.
De 84 personas a las que se les diagnosticó COVID-19 durante el estudio, el algoritmo marcó 67. La mayoría de las alertas se clasificaron en otras categorías, como viajes, ingesta abundante, menstruación, estrés mental, intoxicación o infecciones diferentes de COVID-19. El algoritmo también marcó un período de estrés después de que muchos participantes recibieron una vacuna contra la COVID-19, lo que refleja el aumento en la respuesta inmune provocada por la inyección. A medida que los investigadores reclutan a más participantes en el estudio, planean perfeccionar la especificidad de las alertas agregando datos, incluido el recuento de pasos, los patrones de sueño y la temperatura corporal, con la esperanza de que los patrones de datos puedan corresponder y marcar distintos eventos de estrés. Además, los investigadores planean realizar un ensayo clínico para determinar si las alertas pueden detectar de manera confiable una infección por COVID-19 y usarse para orientar las decisiones médicas.
“La idea es que las personas eventualmente usen esta información para decidir si necesitan hacerse una prueba de COVID-19 o aislarse”, dijo Michael Snyder, PhD, profesor y presidente de genética, quien dirigió el equipo de investigación. "Aún no hemos llegado a ese punto, todavía tenemos que probar esto en ensayos clínicos, pero ese es el objetivo final".
Enlaces relacionados:
Stanford Medicine
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19