El mayor reto para la inteligencia artificial en medicina es que los datos son difíciles de recoger, escasos y están muy protegidos. Pero el mundo de las aplicaciones móviles no solo ha revolucionado nuestra manera de comunicarnos y entretenernos, sino también de monitorizar nuestra salud.

Un estudio pionero llevado a cabo por el equipo de Cardiogram app y con la colaboración de la Universidad de California (EEUU), ha mostrado en una cohorte de 14.011 personas que los dispositivos wearables como el Apple Watch y Fitbit pueden detectar condiciones médicas comunes como la diabetes, el colesterol alto, la presión sanguínea elevada y la apnea de sueño.

En el análisis se combinaron datos de la historia clínica y datos generados por los sensores de los wearables. El cruzamiento en dos etapas de los datos mostró que los sensores de ritmo cardíaco de los wearables muestran una precisión incluso más alta que la que ofrecen algunos marcadores médicos clásicos para detectar diferentes condiciones médicas relacionadas con la salud cardiovascular.

Los autores del estudio concluyen que este es el primer paso para demostrar cómo los marcadores de salud son detectados con precisión usando lenguaje de programación y desde la visión de un ordenador. Entre los principales retos que quedan por resolver destacan los factores de confusión que pueden afectar los resultados obtenidos, el despliegue del algoritmo en las instituciones sanitarias debido a su alta complejidad y costes y la interpretación del funcionamiento de los algoritmos y los datos generados.

Las aplicaciones móviles como Cardiogram app en wearables pueden representar en un futuro no muy lejano aliados cómodos y de “bajo coste” para monitorizar nuestra salud cardiovascular en tiempo real.

Puedes acceder aquí a la publicación científica original.

 

Ballinger B, Hsieh J, Singh A, et al. DeepHeart: semi-supervised sequence learning for cardiovascular risk prediction. ArXiv: 1802.02511v1 [Preprint]. 2018 [citado 13 abr. 2018]. Disponible en: https://arxiv.org/abs/1802.02511v1.