Datos portables predijeron las infecciones por COVID

Los dispositivos portátiles predijeron los casos de infección por COVID

Durante la pandemia, los dispositivos usables de fitness ayudaron a proporcionar señales de advertencia tempranas y accionables que ayudaron a frenar brotes más amplios. Crédito: Syneos Health

A medida que la pandemia de COVID azotó al mundo en 2020 y 2021, los métodos como las pruebas tempranas de casos sospechosos y el aislamiento social fueron las mejores armas que los profesionales de la salud pudieron reunir contra la enfermedad antes de la introducción masiva de vacunas. Para algunos de los profesionales más vigilantes, los dispositivos usables de fitness ayudaron a proporcionar señales de advertencia tempranas y accionables que ayudaron a frenar brotes más amplios.

Ese fue el caso en la Universidad Estatal de Florida (FSU) en Tallahassee. Los atletas de la universidad, que compiten en el más alto nivel del deporte universitario de Estados Unidos, están equipados con pulseras WHOOP que monitorean regularmente sus biomarcadores, como el ritmo cardíaco, la temperatura y la frecuencia respiratoria. En el punto álgido de la pandemia, el personal médico del departamento atlético de FSU sospechó que podrían detectar de manera temprana si un atleta se había infectado con el virus COVID. Elisa Angeles, directora asociada de investigación atlética en el Instituto de Ciencias del Deporte y Medicina (ISSM) de FSU, notó cambios sutiles en los datos de WHOOP de algunos atletas y sospechó que podrían estar en la fase pre-sintomática de la enfermedad.

Angeles y sus colegas del ISSM publicaron recientemente un estudio en Sports Health: A Multidisciplinary Approach que demostró que su sospecha era cierta; de las 113 deportistas femeninas de fútbol, golf, softball, voleibol indoor, voleibol de playa y tenis que se monitorearon en busca de señales tempranas de la enfermedad, 33 dieron positivo. Las atletas estuvieron equipadas con pulseras WHOOP desde agosto de 2020 hasta mayo de 2021. Angeles le dijo a Communications que el monitoreo, la primera vez que el personal de FSU intentó vincular los datos de WHOOP con una condición clínica, fue un elemento vital para intentar volver a una rutina normal.

WHOOP, dijo Angeles, publicó observaciones basadas en sus propios datos que permitían identificar el COVID antes de que los síntomas persistieran. “Y en ese momento estábamos hablando sobre protocolos de regreso al juego”, dijo Angeles; “regreso a la vida en general, de hecho, hablando de cómo regresar de manera segura al campus.”

Los investigadores de FSU descubrieron dos períodos de tiempo distintos en los que una señal biosignificativa indicaba que la enfermedad se estaba desarrollando: la frecuencia respiratoria aumentaba tres días antes de una prueba de COVID positiva, mientras que la frecuencia cardíaca en reposo y la variabilidad de la frecuencia cardíaca aumentaban un día antes de que un sujeto diera positivo. Uno de los coautores del estudio, David Ormsbee, señaló al menos un caso en el que Angeles actuó rápidamente ante los datos y pudo evitar un brote más amplio.

“Un día, después de revisar los datos de recuperación y notar un valor atípico claro y una posible infección por COVID, Angeles consultó de inmediato con el personal de medicina deportiva para enviar urgentemente a la deportista a hacerse la prueba y ponerla en cuarentena”, dijo Ormsbee en un comunicado de prensa de FSU. “En ese momento, la deportista acababa de llegar a una función de equipo y a una fiesta de observación de los Juegos Olímpicos. Efectivamente, dio positivo por COVID. Sin embargo, debido a la rápida identificación y acción, ningún otro miembro del equipo fue rastreado o puesto en cuarentena, y ningún otro miembro del equipo o personal contrajo COVID a través de ese evento.”

Angeles dijo que el personal de FSU ha ampliado la interpretación de los datos de los dispositivos usables de los atletas más allá del COVID para tratar de identificar otras condiciones como la influenza, y maximizar la vitalidad en general.

FSU no está sola en descubrir las sutiles variaciones en las señales biosignificativas que indican ramificaciones mucho mayores. Desde cintas electroencefalográficas usadas en la frente que detectan signos tempranos de la enfermedad de Alzheimer, hasta las funciones de detección de fibrilación auricular y síntomas de la enfermedad de Parkinson del Apple Watch (que ya han recibido la aprobación regulatoria como dispositivos médicos), la convergencia de los datos usables para el consumidor y los resultados clínicos está acelerando a un ritmo rápido. Sin embargo, el ecosistema que rodea a los avances técnicos aún está luchando por tomar forma.

Las cajas negras y la heterogeneidad son obstáculos .

El Dr. Carsten Skarke, investigador de medicina traslacional en la Universidad de Pennsylvania, trabajó con colegas en un estudio que apareció en Nature Communications y descubrió que se pueden predecir hasta 73 enfermedades o condiciones en cierta medida mediante diferencias sutiles en la amplitud de los cambios en la temperatura corporal medida en la muñeca durante un período de tiempo especificado.

Utilizando una semana de datos de 92,000 participantes en la base de datos del U.K. Biobank del Reino Unido, Skarke y sus colegas encontraron que las 73 afecciones estaban significativamente asociadas con la disminución del ritmo de temperatura, lo que significa que los participantes con una diferencia más pequeña entre el día y la noche en las lecturas de temperatura de la muñeca mostraban tasas aumentadas de futura aparición de estas enfermedades. Entre las asociaciones más grandes, la enfermedad del hígado graso no alcohólico (EHGNA) emergió con un riesgo aumentado del 91%, seguido de la diabetes tipo 2 con un 69%, la insuficiencia renal con un 25%, la hipertensión con un 23% y la neumonía con un 22%.

“Estos hallazgos indican el potencial de combinar la tecnología emergente con el monitoreo de la salud de una nueva manera poderosa”, dijo Skarke.

La tecnología emergente de los sensores de temperatura en muchos dispositivos de seguimiento para consumidores, incluyendo varios modelos de Fitbit y el Apple Watch 8, 9 y Ultra, parecería ser un conducto natural para una integración más estrecha de las mediciones en el hogar y la orientación clínica en torno a lo que encontró el equipo de Skarke. “En el futuro, esta información se podría aprovechar junto con sus equipos de atención médica como un biomarcador digital, para comprender su riesgo de desarrollar ciertas enfermedades y para navegar por las opciones de tratamiento o atención preventiva”, dijo Skarke.

Sin embargo, estas posibilidades vienen con una gran advertencia, dijo Skarke a Communications. Aunque utilizó un dispositivo de código abierto de Axivity, que es el dispositivo respaldado por el U.K. Biobank, traducir esos resultados al panorama políglota de los fabricantes y los problemas de propiedad intelectual son obstáculos para la adopción clínica generalizada de hallazgos como los suyos.

“Todavía hay reticencia entre los médicos para incorporar estos datos por varias razones”, dijo. “Comenzamos con la heterogeneidad de los dispositivos que recopilan datos, por lo que no está claro cómo eso influye en la interpretación clínica de cualquier flujo de datos. Otro gran desafío, comprensiblemente, son las cajas negras alrededor de los dispositivos donde existe mucha propiedad intelectual. Se adapta al modelo de negocio y en cierta medida para ayudar a las personas a comprender más sobre el sueño, la actividad y así sucesivamente, pero eso es un obstáculo para que estos datos sean transparentes”.

Otro obstáculo significativo para la rápida adopción clínica de datos digitales de dispositivos portables, relacionado con la fidelidad y transparencia de los datos experimentales, es la cultura tradicionalmente cautelosa en torno a las nuevas terapéuticas, dijo Skarke.

“Si se desea que algo sea clínicamente accionable, los mejores puntos de referencia que tenemos son las nuevas entidades moleculares, como los nuevos medicamentos recetados. El proceso de desarrollo de medicamentos de la FDA es el referente”.

Sin embargo, los procedimientos prolongados de prueba en torno al desarrollo de medicamentos simplemente no son compatibles con la velocidad con la que se introducen nuevos dispositivos o se agregan nuevas características a los existentes, dijo. Entonces, si bien la rigurosidad conceptual en la evaluación de los dispositivos podría tener que asemejarse a la que se aplica al desarrollo de medicamentos, los plazos deben modificarse significativamente.

Las inversiones en la era de la pandemia se manifiestan.

Mientras que los detalles de la integración de datos de dispositivos portables y afecciones fisiológicas aún son ambiguos, tanto Skarke como Kit Cangardel, principal asociado de tecnología de la salud en la consultora Blue Matter, señalan que tanto los proveedores de tecnología como los científicos pioneros han comenzado a reconocer más a menudo su importancia.

“He visto absolutamente más actividad en este espacio”, dijo Cangardel, “y siento que esta tendencia ha estado ocurriendo mucho más en los últimos seis meses. Dicho esto, gran parte de la inversión que ha estado ocurriendo en el espacio y que ahora está rindiendo frutos fue desencadenada por la pandemia”.

La necesidad de invertir en dispositivos más capaces puede haberse acelerado durante la pandemia, pero Cangardel dijo que el “gran impulso” de la industria probablemente fue la aprobación por parte de la FDA del mecanismo de detección de fibrilación auricular del Apple Watch en 2018. Esa autorización, dijo, hizo que todos los proveedores de dispositivos portables serios se dieran cuenta de que las apuestas habían aumentado significativamente; la reciente oleada de investigaciones recién publicadas, como las de Skarke y Angeles, deja claro que los datos de estos dispositivos pueden ofrecer ideas vitales. La próxima frontera, dijo Cangardel, es traducir los hallazgos en algún tipo de modelo práctico que muestre una mejora en la salud y costos más bajos a nivel de salud de la población.

¿Solo cuestión de tiempo?

En una reciente serie de blogs que aborda la convergencia de dispositivos portables equipados con biosensores y dispositivos médicos regulados, Cangardel y la coautora Darya Volgina mencionaron algunos datos económicos convincentes para una mayor aceptación de los datos de salud personal cotidianos: “Se estima que solo el 12% de los residentes de Estados Unidos son metabólicamente saludables, lo que indica una necesidad significativa de cualquier solución que pueda respaldar la salud metabólica”, escribieron. “Estos consumidores están altamente motivados para monitorear su salud y muchos ya están utilizando dispositivos portables para realizar un seguimiento de actividades relacionadas con el bienestar”.

El gigante de dispositivos médicos, Abbott, se encuentra en la vanguardia de esta tendencia de convergencia. La compañía está comercializando Lingo, una versión para consumidores del monitor de glucosa continua (CGM) regulado, Freestyle Libre. El producto se encuentra a la vanguardia de los dispositivos para el porcentaje de la población en la “gran mayoría”, aquellos que pueden tener indicadores sutiles tempranos de enfermedad que aún no están siendo seguidos de cerca. Ya se ofrece monitoreo las 24 horas del día a personas con enfermedades crónicas mediante sensores como los CGMs, y los datos de atletas de élite, como los de FSU, son observados de cerca por equipos médicos profesionales.

Cangardel afirmó que los cambios en el consumo de servicios médicos hacia servicios remotos y una “asociación” más igualitaria entre médicos y pacientes hacen que la eventual inclusión de datos de dispositivos portátiles, y el potencial para prestar atención a esos datos para minimizar los riesgos en la salud, sea casi seguro.

“En general, lo que estamos viendo es una consumerización generalizada de la salud”, dijo. “Hay menos confianza en que su médico sea el poseedor de los registros de su salud y mucho más del poder se dirige hacia usted como individuo, y estas herramientas apoyan eso”.

Gregory Goth es un escritor con sede en Oakville, CT, especializado en ciencia y tecnología.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

¿Puede (Muy) Simple Matemáticas Informar RLHF Para Modelos de Lenguaje Grandes LLMs? ¡Este artículo de IA dice que sí!

Incorporar la entrada humana es un componente clave de las recientes mejoras impresionantes en las capacidades de los...

Inteligencia Artificial

La IA podría introducir mensajes secretos en memes

Los científicos de la computación afirman haber creado el primer algoritmo para ocultar mensajes de manera invisible ...

Inteligencia Artificial

Aplicación de Smartphone aumenta la seguridad en la cirugía de hígado

Un equipo internacional de investigadores desarrolló una aplicación para smartphones que proporciona un puntaje de ri...

Inteligencia Artificial

El Enigma para ChatGPT PUMA es un Enfoque de IA que Propone una Forma Rápida y Segura para la Inferencia de LLM

Los Modelos de Lenguaje Grandes (LLMs, por sus siglas en inglés) han comenzado una revolución en el campo de la intel...

Inteligencia Artificial

Esta Investigación de IA Explica los Rasgos de Personalidad Sintéticos en los Modelos de Lenguaje de Gran Escala (LLMs)

La personalidad de un individuo consiste en una combinación única de cualidades, características y formas de pensar. ...