Los rastreadores de actividad portátiles combinados con la IA pueden ayudar a la identificación temprana de la COVID-19

Los rastreadores de actividad portátiles que controlan los cambios en la temperatura de la piel y las frecuencias cardíaca y respiratoria, combinados con la inteligencia artificial (IA), podrían utilizarse para detectar la infección por COVID-19 días antes de que comiencen los síntomas, sugiere una investigación preliminar publicada en la revista de acceso abierto BMJ Open.

Los investigadores basan sus conclusiones en los usuarios de la pulsera AVA, un rastreador de fertilidad regulado y disponible en el mercado que controla la frecuencia respiratoria, la frecuencia cardíaca, la variabilidad de la frecuencia cardíaca, la temperatura de la piel de la muñeca y el flujo sanguíneo, así como la cantidad y la calidad del sueño.

Los síntomas típicos de la COVID-19 pueden tardar varios días en aparecer después de la infección, durante los cuales una persona infectada puede propagar el virus involuntariamente.

La actividad física de alto esfuerzo se asocia a un mayor riesgo de pérdida de embarazo muy temprana

La vacunación con COVID-19 no afecta a los resultados de fertilidad en pacientes sometidos a fecundación in vitro

La atención ha comenzado a centrarse en el potencial de los rastreadores de actividad y los smartwatches para detectar todas las etapas de la infección por COVID-19 en el cuerpo, desde la incubación hasta la recuperación, con el objetivo de facilitar el aislamiento y las pruebas tempranas de los infectados.

Por lo tanto, los investigadores querían ver si los cambios fisiológicos, monitorizados por un rastreador de actividad, podían utilizarse para desarrollar un algoritmo de aprendizaje automático para detectar la infección por COVID-19 antes del inicio de los síntomas.

Los participantes (1163, todos menores de 51 años) se extrajeron del estudio GAPP entre marzo de 2020 y abril de 2021. El GAPP, que comenzó en 2010, tiene como objetivo comprender mejor el desarrollo de los factores de riesgo cardiovascular en la población general de Lichtenstein.

Se eligió la pulsera AVA porque sus datos se utilizaron previamente para informar a un algoritmo de aprendizaje automático para detectar los días más fértiles de las mujeres que ovulan en tiempo real, logrando una precisión del 90%.

Los participantes llevaban la pulsera AVA por la noche. El dispositivo guarda datos cada 10 segundos y requiere al menos 4 horas de sueño relativamente ininterrumpido. Las pulseras se sincronizaban con una aplicación complementaria para smartphones al despertar.

Los participantes utilizaron la aplicación para registrar cualquier actividad que pudiera alterar el funcionamiento del sistema nervioso central, como el alcohol, los medicamentos recetados y las drogas recreativas, y para registrar los posibles síntomas de COVID-19.

Todos ellos se sometieron a las pruebas rápidas de anticuerpos habituales para el SARS-CoV-2, el virus responsable de la infección por COVID-19. Los que tenían síntomas indicativos se sometieron también a una prueba de PCR con hisopo.

Todos proporcionaron información personal sobre la edad, el sexo, la condición de fumador, el grupo sanguíneo, el número de hijos, la exposición a contactos domésticos o compañeros de trabajo que dieron positivo en la prueba de COVID-19 y el estado de vacunación.

Unas 127 personas (11%) desarrollaron la infección por COVID-19 durante el periodo de estudio. No hubo diferencias en los factores de fondo entre los que dieron y los que no dieron positivo. Sin embargo, una proporción significativamente mayor de los que dieron positivo afirmó haber estado en contacto con miembros de la familia/personas habituales o compañeros de trabajo que también tenían COVID-19.

De los 127 que dieron positivo en la prueba de COVID-19, 66 (52%) habían llevado el brazalete durante al menos 29 días antes del inicio de los síntomas y fueron confirmados como positivos mediante la prueba de PCR con hisopo, por lo que fueron incluidos en el análisis final.

Los datos de seguimiento revelaron cambios significativos en los cinco indicadores fisiológicos durante los periodos de incubación, presintomático, sintomático y de recuperación de COVID-19 en comparación con las mediciones de referencia. Los síntomas de COVID-19 duraron una media de 8,5 días.

El algoritmo se "entrenó" utilizando el 70% de los datos del día 10 al día 2 antes del inicio de los síntomas dentro de un periodo de 40 días de seguimiento continuo de las 66 personas que dieron positivo en la prueba del SARS-CoV-2. A continuación, se probó con el 30% restante de los datos.

El 73% de los casos positivos confirmados por el laboratorio se recogieron en el conjunto de entrenamiento, y el 68% en el conjunto de prueba, hasta 2 días antes del inicio de los síntomas.

Los investigadores reconocen que sus resultados pueden no ser aplicables de forma más generalizada. Los resultados se basan en una pequeña muestra de personas, todas ellas relativamente jóvenes -por lo que es menos probable que tengan síntomas graves de COVID-19-, procedentes de un único centro nacional, y que no eran étnicamente diversas.

Además, la precisión (sensibilidad) conseguida fue inferior al 80%. Pero el algoritmo se está probando ahora en un grupo mucho más amplio (20.000) de personas en los Países Bajos, y los resultados se esperan para finales de este año, dicen.

Aunque la prueba de PCR con hisopo sigue siendo el estándar de oro para confirmar la infección por COVID-19, "nuestros hallazgos sugieren que un algoritmo de aprendizaje automático informado por un dispositivo portátil puede servir como una herramienta prometedora para la detección presintomática o asintomática de COVID-19", escriben.

Y concluyen: "La tecnología de sensores portátiles es un método fácil de usar y de bajo coste para permitir a las personas hacer un seguimiento de su salud y bienestar durante una pandemia. Nuestra investigación muestra cómo estos dispositivos, asociados a la inteligencia artificial, pueden ampliar los límites de la medicina personalizada y detectar enfermedades antes de que [se produzcan los síntomas], reduciendo potencialmente la transmisión del virus en las comunidades."