Científicos han creado un algoritmo para relojes inteligentes que puede detectar el 80 % de los casos confirmados de COVID-19 antes de que los pacientes presenten síntomas o cuando ya los tienen.
Sin embargo, el algoritmo no puede diferenciar entre alguien que ha consumido alcohol, alguien que está estresado y alguien que tiene un virus.
Se espera que, finalmente, esto pueda utilizarse para determinar si alguien debe aislarse o no, tras realizar ensayos clínicos e incorporar datos adicionales.
Los investigadores crearon un algoritmo para avisar a los usuarios de relojes inteligentes cuando están estresados, que registra situaciones como los viajes en avión, el ejercicio prolongado y las enfermedades.
El nuevo algoritmo utiliza la frecuencia cardíaca como indicador del estrés fisiológico o mental. Podría alertar a los usuarios de que están enfermando antes de que presenten síntomas.
Los investigadores han inscrito a miles de participantes en un estudio que utiliza el algoritmo para detectar períodos prolongados en los que la frecuencia cardíaca es más alta de lo normal, una señal reveladora de que algo podría andar mal.
Pero averiguar qué podría estar pasando requiere un poco de investigación. Durante el estudio, muchos factores de estrés activaron una alerta. Algunas personas las recibieron mientras viajaban, otras mientras corrían un maratón y otras después de excederse con la bebida en un bar.
El hallazgo más emocionante, afirma Michael Snyder, profesor y director del departamento de genética de la Universidad de Stanford, es que el algoritmo puede detectar el 80 % de los casos confirmados de COVID-19 antes de que los participantes presentaran síntomas o cuando ya los tenían.
«La idea es que, con el tiempo, las personas utilicen esta información para decidir si necesitan hacerse una prueba de COVID-19 o aislarse», afirma Snyder. «Aún no hemos llegado a ese punto: todavía tenemos que probarlo en ensayos clínicos, pero ese 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 tiene un virus. Aunque envió alertas a usuarios con COVID-19, es necesario seguir perfeccionándolo antes de que las personas puedan confiar en sus relojes inteligentes para que les avisen de una infección inminente por SARS-CoV-2 u otros virus.
El sistema de alertas se creó utilizando MyPHD, una plataforma segura y escalable para datos de salud.
Un artículo que detalla el estudio se publica en Nature Medicine.
Durante el estudio, que duró unos ocho meses en 2020 y 2021, 2.155 participantes se pusieron un reloj inteligente, que registraba «episodios de estrés» mental y físico mediante la frecuencia cardíaca. Cuando recibían una notificación de un episodio de estrés, a través de una alerta vinculada a una aplicación en su teléfono, los participantes registraban lo que estaban haciendo. Para activar una alerta, la frecuencia cardíaca debía mantenerse elevada durante más de unas horas, así que un trote breve por la manzana o un ruido fuerte repentino no la activaban.
«Lo bueno de esto es que las personas pueden poner sus alertas en contexto», afirma Snyder. «Si viajas en avión y recibes una alerta, sabes que probablemente la causa sea el viaje en avión».
Sin embargo, si estás sentado en el sofá con una taza de té de manzanilla y recibes una alerta, podría ser señal de que algo más —quizá una infección— está gestándose. Snyder espera que los usuarios puedan discernir cuándo una alerta significa que deberían considerar hacerse una prueba.
De las 84 personas a las que se diagnosticó COVID-19 durante el estudio, el algoritmo señaló a 67. La mayoría de las alertas correspondieron a otras categorías, como viajes, comidas abundantes, menstruación, estrés mental, intoxicación o infecciones distintas de la COVID-19. El algoritmo también señaló un período de estrés después de que muchos participantes recibieran una vacuna contra la COVID-19, lo que reflejaba el aumento de la respuesta inmunitaria provocado por la vacuna.
A medida que Snyder y su equipo incorporan más participantes al estudio, planean mejorar la especificidad de las alertas añadiendo datos —como el número de pasos, los patrones de sueño y la temperatura corporal— con la esperanza de que los patrones de datos puedan corresponder a episodios de estrés específicos y señalarlos. Además, los investigadores planean realizar un ensayo clínico para determinar si las alertas pueden detectar de forma fiable una infección por COVID-19 y servir para orientar las decisiones médicas.
El trabajo fue financiado por los Institutos Nacionales de Salud, la Iniciativa de Desarrollo de Diagnósticos de Amazon Web Services, Flu Lab, Google for Education y el programa Schmidt Futures.
