Cómo un smartphone podría predecir el riesgo de morir en 5 años
Es probable que su teléfono inteligente vibre varias veces al día con diversas notificaciones: mensajes de amigos, pagos de cuentas bancarias, avisos meteorológicos. Pero en el futuro puede haber otro tipo de notificación procedente de su smartphone, un mensaje de una aplicación que predice su riesgo de muerte en los próximos años.
Un nuevo estudio publicado en la revista PLOS Digital Health ha descubierto que el seguimiento pasivo de los datos de movimiento a través de los sensores de los teléfonos inteligentes puede predecir eficazmente el riesgo de mortalidad de una persona a cinco años con una precisión de alrededor del 70%.
La investigación se basa en un amplio conjunto de pruebas que muestran correlaciones entre la velocidad de la marcha y la salud general. Para obtener predicciones precisas sobre la salud y la mortalidad, los estudios anteriores han exigido que los participantes lleven un rastreador especializado las 24 horas del día o realicen «pruebas de análisis de la marcha» en condiciones de laboratorio. Sin embargo, este nuevo estudio se pregunta si los datos de movimiento recogidos a través de los sensores de los teléfonos inteligentes comunes podrían ser suficientes para ofrecer predicciones precisas.
Los investigadores analizaron un amplio conjunto de datos que incluía a 100.000 participantes del Biobanco del Reino Unido. La cohorte llevaba monitores de actividad en la muñeca durante una semana y fue seguida durante al menos cinco años.
Se trata del mayor conjunto de datos de sensores de movimiento disponible en la actualidad. Según los investigadores, los datos de intensidad de movimiento recogidos por estos rastreadores de actividad física son análogos a los que puede captar un teléfono inteligente en el bolsillo de una persona.
«Aunque estos datos se recopilaron a partir de monitores de actividad, nuestros modelos de sensores sólo utilizan las entradas que sería factible recopilar utilizando teléfonos baratos, actualmente disponibles«, explican los investigadores en el estudio. «Esto es posible gracias a nuestros amplios experimentos clínicos con teléfonos baratos, desarrollando modelos predictivos muy precisos del estado de salud de los pacientes cardiopulmonares«.
Con sólo seis minutos diarios de datos de seguimiento de la intensidad de la marcha, el algoritmo predictivo podía ofrecer estimaciones de riesgo de mortalidad a cinco años tan precisas como las recogidas por los sistemas portátiles 24/7 o las pruebas clínicas de marcha más complejas.
Los resultados se suman a un creciente número de investigaciones que estudian diversas formas de estimar el riesgo de mortalidad de una persona. Se han propuesto escáneres oculares sencillos, análisis de sangre o breves pruebas de equilibrio como formas de detectar el riesgo de muerte prematura.
Actualmente se están planificando ensayos más amplios que se centran más específicamente en los datos recogidos directamente de los teléfonos inteligentes. Además, los investigadores están trabajando para que las cohortes del estudio sean lo más variadas posible a fin de que los modelos predictivos sean precisos en diversas poblaciones.
«Esto es especialmente importante para la equidad sanitaria, ya que las poblaciones con mayor riesgo para la salud suelen ser las que tienen menos recursos, por lo que las personas con más probabilidades de tener teléfonos baratos en lugar de dispositivos portátiles serían las que más se beneficiarían de una evaluación sencilla«, concluyen los investigadores en el estudio. «Las aplicaciones telefónicas podrían registrar seis minutos de caminata consecutiva durante la vida diaria, y luego calcular modelos predictivos para la estratificación del riesgo a través del análisis de la población«.
El nuevo estudio se ha publicado en PLOS Digital Health.
Redes y contacto:
No olvide seguirnos en Instagram: instagram.com/rodriguezclinic
Síganos en Telegram: t.me/rodriguezclinic
Para citas o consultas: rodriguez.clinic/contacto
Si le parece de utilidad, por favor comparta esta información:
