Tenere semplicemente in tasca il proprio smartphone durante il giorno può servire a prevedere il rischio di mortalità per tutte le cause a 5 anni
Tenere semplicemente in tasca il proprio smartphone durante il giorno può servire a prevedere il rischio di mortalità per tutte le cause a 5 anni, senza aver bisogno di indossare smartwatch, tracker di attività o usare app particolari. Sono i risultati di uno studio pubblicato sulla rivista PLoS Digital Health.
La raccolta passiva di soli 6 minuti di dati sulla camminata da parte dei sensori di movimento integrati in tutti gli smartphone è stata in grado di predire accuratamente il rischio di mortalità per tutte le cause nei i partecipanti allo studio UK Biobank, hanno riferito il primo autore Bruce Schatz e colleghi della University of Illinois a Urbana-Champaign.
«Volevamo vedere se potevamo trovare l’equivalente dei test di deambulazione ospedalieri utilizzando solo gli input che possono essere forniti da un normale smartphone» ha dichiarato Schatz, osservando che i sensori di movimento dei moderni telefoni sono in grado di catturare l’intensità della camminata. «Riguarda la qualità dell’attività fisica, un dato molto diverso da quello per cui vengono solitamente utilizzati gli smartwatch, che rilevano la durata giornaliera dell’attività contando i passi, una misura più che altro quantitativa».
Tracciamento passivo dei movimenti delle persone
È noto che esiste una forte correlazione tra i livelli di attività fisica e la mortalità per tutte le cause. Circa un decennio fa i ricercatori si sono chiesti se fosse possibile tracciare in modo passivo le persone nella loro vita quotidiana senza utilizzare smartwatch o fitness tracker, e se questo potesse essere utilizzato per prevedere lo stato di salute attuale e futuro.
«All’epoca speravamo nella realizzazione di vestiti intelligenti con sensori applicati su tutto il corpo, ma il dispositivo che invece ha avuto più successo sono stati i moderni telefoni celluleri» ha affermato Schatz. «Ci siamo chiesti se era possibile fare qualcosa di utile dal punto di vista medico semplicemente portando con sé il telefono. Confesso che inizialmente abbiamo pensato di no, ma poi si è scoperto che molte malattie comuni, in particolare le patologie cardiache e polmonari, l’insufficienza cardiaca congestizia e la BPCO, sono legate a movimenti caratteristici che possono essere utilizzati per predirne lo stato».
«I professionisti sanitari esperti sono generalmente in grado di identificare lo stato di salute dei pazienti in base alla loro andatura e alla capacità di deambulazione» ha spiegato. «Le persone compiono movimenti molto caratteristici, come rallentare o fermarsi per riprendere fiato, e sapevamo che potevano essere catturati anche con l’ausilio di dispositivi economici non specifici».
Monitoraggio continuo a breve termine
Studi precedenti hanno dimostrato che i dati derivati dai sensori di movimento del telefono, che veniva trasportato dai pazienti cardiopolmonari mentre eseguivano un test del cammino standard di 6 minuti, prevedevano con precisione la funzione polmonare misurata mediante spirometria. Allo stesso modo, i dati dei sensori di movimento del telefono potrebbero prevedere con precisione i livelli di saturazione di ossigeno nei pazienti cardiopolmonari. I sensori di movimento potrebbero anche prevedere la transizione dei livelli dello stato di salute dei pazienti.
Sulla base di queste premesse, Schatz e colleghi hanno cercato di stabilire se i sensori di movimento nei telefoni potessero prevedere la mortalità per tutte le cause. Hanno utilizzato i dati dello studio UK Biobank, un database su larga scala con informazioni genetiche e sanitarie relative a circa 500mila persone, nel corso del quale 100.655 partecipanti hanno indossato monitor di attività con sensori di movimento al polso per 1 settimana.
Da questi monitor i ricercatori hanno estratto gli input dei sensori che sono presenti anche sugli smartphone economici attualmente disponibili. I dati grezzi del sensore relativi all’intensità della camminata sono stati acquisiti in dodici raffiche di 30 secondi per un totale di 6 minuti, rappresentativi di un 6 Minute Walking Test standard nella versione della “vita quotidiana”.
Previsione del rischio di mortalità a 5 anni
Con un modello di apprendimento automatico, hanno analizzato i dati del sensore di movimento e la mortalità in circa il 10% dei pazienti per poi sviluppare un algoritmo capace di stimare, partendo dagli input del sensore, il rischio a 5 anni di mortalità per tutte le cause utilizzando l’accelerazione acquisita in 6 minuti. Nella coorte complessiva il modello predittivo aveva un C-index di 0,76 e 0,73 rispettivamente a 1 e 5 anni.
Secondo i ricercatori, l’accuratezza predittiva dell’algoritmo è sovrapponibile a quella di altre misurazioni attive della velocità dell’andatura e del passo, che utilizzano test del cammino fisico e questionari auto-riferiti.
Dal punto di vista clinico, il monitoraggio dell’attività fisica tramite smartphone potrebbe aiutare i medici a valutare e monitorare meglio i pazienti. I dati potrebbero ad esempio essere utilizzati per fornire una previsione continua della mortalità per tutte le cause a intervalli di 6 mesi in pazienti da una certa età in avanti o in quanti hanno ottenuto risultati preoccupanti nel test. L’altra area in cui gli smartphone potrebbero essere utili sarebbe la valutazione dei cambiamenti dello stato di salute nei pazienti a rischio, come quelli con insufficienza cardiaca congestizia o con BPCO.
Secondo Schatz sarà utile soprattutto in ambito cardiovascolare. «La malattia cardiovascolare è difficile da rilevare nella vita di tutti i giorni senza visite ospedaliere dedicate» ha commentato. «Lo screening non è perfetto, ma può identificare casi che normalmente non verrebbero rilevati, questo è il suo vero valore. La sua probabile maggiore utilità sarà rilevare i problemi cardiaci in pazienti che hanno perso la loro funzione nel recente passato o nelle persone che non sapevano nemmeno di avere un problema».
Referenze
Zhou H et al. Population analysis of mortality risk: Predictive models from passive monitors using motion sensors for 100,000 UK Biobank participants. PLOS Digit Health. 1(10): e0000045.