Evaluarea riscului cardiovascular, renal și metabolic prin smartwatch

Bolile de inimă, afecțiunile renale și tulburările metabolice precum diabetul de tip 2 nu apar izolat, ci formează o rețea interconectată cunoscută în medicină drept sindromul cardiovascular, renal și metabolic (CKM). Într-o serie de studii recente, cercetătorii de la Google Research și University of California, Los Angeles (UCLA) au prezentat un sistem de inteligență artificială care traduce semnalele pasive de pe ceasul inteligent într-o „vârstă de sănătate” modificabilă, simulează evoluția organismului pe 12 săptămâni și integrează analizele de sânge uzuale pentru a depista din timp uzura invizibilă a organelor.

Cum transformă Google Research datele de pe smartwatch în planuri medicale personalizate

Progresia sindromului CKM începe adesea în tăcere, cu mulți ani înainte de apariția primelor simptome, fiind puternic influențată de obiceiurile zilnice precum mișcarea, somnul și activitatea cardio. Deși ceasurile inteligente arată cu ușurință câți pași am făcut ieri, trecerea de la simpla monitorizare la acțiuni concrete este mult mai dificilă. Pacienții au nevoie să știe cum le afectează rutina zilnică sănătatea în prezent și cu cât se va îmbunătăți starea lor în următoarele trei luni dacă dorm cu 30 de minute mai mult sau dacă adaugă o plimbare alertă în program.

Conform raportului publicat pe 11 noiembrie 2026 de către cercetătorii Zeinab Esmaeilpour și Ahmed A. Metwally din cadrul Google Research, vârsta din buletin nu oferă un răspuns complet, deoarece două persoane născute în același an pot avea o stare fiziologică total diferită. Pentru a rezolva această limitare, echipa a dezvoltat un cadru științific împărțit în două studii complementare: „Personalized health coaching via coachable health age and counterfactual wearable trajectories” și „Cardiovascular-Kidney-Metabolic Health Age Using Wearables and Blood Biomarkers”.

Vârsta de sănătate modificabilă (Coachable Health Age), validată pe zeci de mii de pacienți

Majoritatea „ceasurilor biologice” existente estimează doar anul nașterii sau se bazează pe trăsături pe care o persoană nu le poate schimba ușor. În schimb, modelul Coachable Health Age (CHA) dezvoltat de Google Research este construit exclusiv din patru parametri măsurați pasiv de ceasurile inteligente și care pot fi îmbunătățiți prin alegeri zilnice: pulsul în repaus (RHR), numărul de pași zilnici, durata somnului și minutele săptămânale de activitate în zona cardio (Active Zone Minutes), alături de indicatori opționali precum capacitatea aerobă (VO2max), regularitatea somnului și rezistența la insulină.

Diferența dintre vârsta de sănătate CHA și vârsta cronologică arată ritmul de îmbătrânire a organismului: o valoare negativă (de exemplu, minus 3 ani) indică un profil fiziologic mai tânăr decât vârsta din calendar, în timp ce o valoare pozitivă semnalează o îmbătrânire accelerată. Sistemul a fost validat riguros pe trei cohorte independente:

Predicția bolilor pe termen lung (Programul All of Us, 22.748 de participanți): Urmărirea pe parcursul a peste 68.000 de ani-persoană a arătat că participanții sănătoși care aveau o vârstă de sănătate mai mare decât vârsta din buletin au prezentat un risc semnificativ mai ridicat de a dezvolta hipertensiune arterială, boli cardiovasculare sau diabet de tip 2 în următorii opt ani.
Reducerea vârstei biologice în timp (Cohorta Fitbit, 1.464 de participanți): Monitorizarea pe intervale consecutive de câte 3 luni, timp de doi ani, a demonstrat că persoanele care și-au îmbunătățit constant obiceiurile au reușit să își scadă efectiv vârsta de sănătate.
Concordanța cu scorurile clinice (Studiul WEAR-ME, 2.780 de participanți): Modelul CHA s-a aliniat mult mai precis decât alte ceasuri biologice cu scorul cardiovascular Life’s Essential 8 al Asociației Americane a Inimii și cu scorul de severitate a sindromului metabolic.

SensorWM: Simulatorul AI care proiectează viitorul fiziologic pe 12 săptămâni

Pentru a transforma vârsta de sănătate într-un plan concret de acțiune, cercetătorii au creat Sensor World Model (SensorWM), un model de inteligență artificială antrenat pe 2,28 milioane de săptămâni de date anonimizate, colectate de la aproximativ 100.000 de utilizatori Fitbit. Pornind de la doar două săptămâni de date inițiale, SensorWM prezice modul în care 20 de parametri fiziologici vor evolua în următoarele 12 săptămâni în funcție de schimbările făcute în pași, somn și exerciții cardio.

Sistemul testează 125 de combinații posibile de obiceiuri pentru fiecare persoană și le filtrează printr-un algoritm de optimizare care ține cont de siguranța clinică și de flexibilitatea istorică a utilizatorului, evitând planurile agresive care duc la abandon. Ulterior, un agent conversațional bazat pe modele de limbaj transformă cele mai bune opțiuni într-un plan progresiv pe 12 săptămâni.

Într-un studiu orb (blinded review) care a inclus 490 de evaluări realizate de cinci antrenori certificați de stil de viață și cinci medici specialiști în medicină internă și stil de viață, planurile bazate pe simulările SensorWM au fost desemnate drept cele mai bune în 71,4% din cazuri și cu cea mai mare șansă de aderență pe termen lung în 71,0% din cazuri. În același timp, medicii au confirmat că 99,2% dintre planuri respectă limitele sigure de intensitate a efortului fizic.

Extinderea către analizele de sânge: Depistarea timpurie a sindromului CKM

Deoarece arhitectura modelului este modulară, cercetătorii au extins sistemul într-un studiu complementar pe 819 participanți, combinând datele continue de pe smartwatch cu trei biomarkeri uzuali din sânge: raportul colesterol total/HDL (pentru sistemul cardiovascular), rata filtrării glomerulare eGFR (pentru funcția renală) și indicele HOMA-IR (pentru rezistența metabolică la insulină). Analiza a demonstrat că îmbătrânirea organelor nu urmează un tipar unic: în timp ce uzura metabolică și cea cardiovasculară sunt adesea corelate, declinul renal timpuriu apare frecvent în mod independent, putând fi surprins mult mai devreme prin această abordare combinată.

Autorii precizează că aceste modele reprezintă prototipuri de cercetare științifică, menite să deschidă drumul către studii clinice prospective și să sprijine prevenția medicală activă. Cercetarea reunește o echipă extinsă din cadrul Google Research și UCLA, printre care Zeinab Esmaeilpour, Simon A. Lee, Menglian Zhou, Marius Guerard, Sohrab Sidhu, Alexandru Solot, Hamid Palangi, Pramod Rudrapatna, Ming-Zher Poh, Max A. Xu, Daniel McDuff, Dimitrios Antos, Yuzhe Yang, Jeffrey N. Chiang, Anthony Z. Faranesh, Conor Heneghan, Lindsey Sunden, Mark Malhotra, Cathy Speed, Javier L. Prieto, Shwetak Patel, A. Ali Heydari și Ahmed A. Metwally.

Sursa informațiilor: Articolul original „Using wearables to enable cardiovascular-kidney-metabolic (CKM) risk profiling for personalized coaching” poate fi consultat pe blogul oficial Google Research.