Tecno

L’Apple Smartwatch può predire il diabete attraverso la variabilità della frequenza cardiaca

[themoneytizer id=”15570-2″]

 

I sensori della frequenza cardiaca delle Apple smartwatch che utilizzano un’applicazione di deep learning hanno rilevato il diabete negli utenti con un’accuratezza dell’85%, secondo i risultati presentati alla riunione annuale dell’Associazione per l’Avanzamento dell’Intelligenza Artificiale.

“L’utilizzo di sensori di frequenza cardiaca di livello consumer in un contesto medico presenta diverse sfide” , hanno scritto Brandon Ballinger , co-fondatore di Cardiogram a San Francisco, aggiungendo che i sensori tipicamente presentano errori significativi e variano la velocità di misurazione per preservare la durata della batteria e le attività quotidiane come esercizio fisico, stress e consumo di alcool o caffè possono confondere le tecniche di risoluzione dei problemi del dispositivo.

Attraverso una partnership con lo studio Heart eHealth dell’Università della California, a San Francisco, i ricercatori hanno reclutato 14.011 partecipanti con monitor per la frequenza cardiaca di orologi Apple in tutto il mondo, raccogliendo 200 milioni di misurazioni di sensori senza etichetta. I ricercatori hanno quindi utilizzato i dati in due procedure di addestramento semi-supervisionate. Il primo addestramento di sequenza semi-supervisionato ha utilizzato la memoria a lungo termine preainedata come un autoencoder di sequenza, facendo uso di un pool limitato di dati etichettati dai partecipanti con diagnosi note. Per la seconda procedura, il preannuncio euristico, la rete neuronale è stata preannunciata per calcolare i biomarker derivati ??dalla frequenza cardiaca dalla letteratura medica.




I partecipanti allo studio hanno completato una anamnesi medica, comprendente precedenti diagnosi, risultati degli esami del sangue e farmaci. L’app mobile, integrata con HealthKit di Apple, memorizza, elabora e visualizza costantemente la frequenza cardiaca dei partecipanti, il conteggio dei passi e altri dati relativi alle attività. I ricercatori hanno assegnato in modo casuale i partecipanti alla formazione, al tuning o al set to test, con i dati di ciascun partecipante suddivisi in segmenti di una settimana, per un totale di 57.775 persone-settimane di dati. I ricercatori hanno confrontato l’architettura dell’apprendimento approfondito con più algoritmi di apprendimento automatico, utilizzando biomarker ingegnerizzati a mano dalla letteratura medica, tra cui la frequenza cardiaca a riposo, la frequenza cardiaca media con finestra temporale e la deviazione standard della frequenza cardiaca con indicazione del tempo.

Nella procedura che utilizza memoria a breve termine senza pretrattamento preliminare, l’algoritmo di deep-learning ha rilevato il diabete con un’accuratezza dell’85% rispetto ad altri algoritmi, con una precisione che andava dal 31% al 79% di accuratezza. L’algoritmo ha rilevato un’apnea notturna con un’accuratezza dell’80%, come pure ipertensione (80% di accuratezza) e colesterolo alto (67% di accuratezza), secondo i ricercatori.

“Il lavoro precedente della comunità medica ha suggerito che il diabete può influire sulla variabilità della frequenza cardiaca attraverso gli effetti sul sistema nervoso autonomo”, hanno scritto i ricercatori. “Il nostro lavoro si basa su questi risultati precedenti ed è il primo a dimostrare che i cambiamenti della variabilità della frequenza cardiaca guidati dal diabete possono essere rilevati tramite sensori di frequenza cardiaca indossabili di fascia consumer”.

Oltre alla precisione di previsione, i ricercatori hanno delineato quattro sfide chiave che devono essere superate per sistemi basati sull’intelligenza artificiale come DeepHeart per migliorare la salute umana: fattori di confusione, dispiegamento in ambito medico, interpretabilità, scala temporale e ampio volume di dati.

“Sebbene queste sfide possano sembrare scoraggianti, i vincoli della medicina – dati scarsamente etichettati, fattori di confusione, difficoltà di implementazione e la necessità di interpretabilità – rappresentano anche opportunità per sviluppare nuove tecniche”, hanno scritto i ricercatori. “Questo lavoro è un primo passo per mostrare come le condizioni di salute possono essere rilevate usando tecniche prima sviluppate nell’elaborazione del linguaggio naturale e nella visione artificiale.”

I ricercatori hanno notato che l’algoritmo è attualmente in uso in numerosi studi ambulatoriali, in collaborazione con i principali centri medici per mostrare l’efficacia del mondo reale e aiutare a costruire una base di evidenze cliniche.

Categorie:Tecno

Con tag:,