¿Y prevenirla?
El Apple Watch que ha salvado alguna vida, o que permite detectar algunas
enfermedades cardiovasculares ahora también puede detectar diabetes, según un
estudio de Cardiogram ,
una empresa de datos móviles de salud.
Hasta ahora, la
red de deep learning de la compañía (DeepHeart)
utilizaba los datos del reloj de Apple para detectar fibrilación arterial,
hipertensión y apnea del sueño. Ahora se añade una nueva a la lista: diabetes. La detección requiere de poco hardware, tan
solo machine learning y el sensor de latidos de corazón de
Apple Watch.
El co-fundador
de Cardiogram, Brandon Ballinger, declaró que la
precisión de esta aplicación para detectar signos de diabetes es de un 85%, una cifra considerablemente alta para las aplicaciones
de la muñeca.
Apple está vendiendo más relojes que nunca, y la mayoría de sus clientes lo
usan precisamente por razones de salud y fitness. Y es que ya llevamos tiempo
escuchando como los relojes de Apple han salvado vidas, previniendo ataques al
corazón o embolias pulmonares, o simplemente mejorando la salud
considerablemente.
Sin embargo, el
nuevo estudio de Cardiogram va mucho más allá del potencial hasta ahora
reconocido,de la maquinaria Apple. Si la idea es utilizar los datos del ritmo
cardiaco y extrapolarlos para detectar dolencias que no son específicas al
corazón, las aplicaciones son infinitas y su potencial de salvar vidas también.
El estudio, dirigido por Cardiogram en la Universidad de California (San
Francisco), ha utilizado 14,011 sujetos, con un total de 200 millones de
detecciones de ritmo cardiaco para entrenar a DeepHeart, y así testar la
fiabilidad y precisión de la red neuronal para distinguir entre personas con o
sin diabetes. Esto es algo que Ballinger ha declarado como fundamental, ya que
alrededor de una de cada cuatro personas que padecen diabetes no lo saben.
¿Pero
exactamente qué detecta DeepHeart? En realidad, es la
variabilidad del ritmo cardiaco la cifra de interés. Así, se pueden
detectar ciertos patrones típicos de las personas con diabetes. Los ejemplos
son una recuperación más lenta después del ejercicio físico o una frecuencia
cardiaca alta cuando no se está ejercitando. Ballinger afirma que estos
patrones pueden detectar si una persona padece o podría padecer diabetes.
El desarrollo futuro de la aplicación se centrar en mejor confirmar si se
padece diabetes, confirmar el tipo de riesgo que puede llevar una persona y
guiar a estas personas a través de un programa de prevención del desarrollo de
la enfermedad. Precisamente así lo declaran en su tuit: Estamos trabajando en el paso 2: maneras de guiar a las personas a
través de la confirmación y conectar con un médico y tratamiento apropiado.
¡Más información sobre esto durante el curso de este año!
Comentarios
Publicar un comentario