Diabete, gli smartwatch lo individuano con una precisione dell’85%

Uno studio dimostra come un cardiofrequenzimetro ordinario sia in grado di rilevare i primi segni del diabete

A individuare i primi sintomi di diabete ci pensa lo smartwatch. A confermarne l’accuratezza dei dati è Cardiogram, che offre un’app che analizza in maniera profonda i dati raccolti dai cardiofrequenzimetri installati sui wearable ordinari e presenta uno studio secondo cui gli smartwatch commerciali possono rilevare i primi segni di diabete nell’utente. Gli studiosi hanno collaborato con l’Università di San Francisco utilizzando la rete neurale alla base dell’app DeepHeart per determinare che i dati raccolti sono sufficienti nel individuare le differenze tra persone con diabete e persone sane con un’accuratezza dell’85%.

Sono state usate 200 milioni di misure spalmate su 14 mila partecipanti con dispositivi Apple Watch o basati su Android Wear, aggregando infine i dati raccolti come battito cardiaco, conteggio dei passi e altro. I primi sintomi di diabete spesso passano inosservati perché i metodi di rilevamento richiedono l’analisi dei valori della glicemia, per la cui misurazione occorre un hardware apposito. Sfruttando l’IA alla base di app come quella di Cardiogram si possono rilevare i primi sintomi senza l’uso di strumenti specifici e con risultati attendibili.

Individuare il prediabete in tempo

Questo offre all’utente il vantaggio di avere il tempo necessario per allertare il proprio medico e per affrontare il problema in anticipo.

Lo studio di Cardiogram, secondo il team, è il primo a coinvolgere un ampio bacino d’utenza e a dimostrare come un cardiofrequenzimetro ordinario possa rilevare i primi segni del diabete. Il pancreas è collegato al cuore attraverso il sistema nervoso e chi soffre di prediabete mostra una certa variabilità che i sensori degli indossabili moderni riescono a distinguere precisamente. Cardiogram si impegna ad approfondire questo tema e integrare nella sua app nuove funzionalità per la notifica e il rilevamento potenziale di diversi tipi di malattie in base all’analisi del battito cardiaco e l’uso di algoritmi di machine learning. 

Source: www.datamanager.it