Результаты были основаны на трекере, который представляет собой регулируемый и коммерчески доступный трекер фертильности, который отслеживает частоту дыхания, частоту сердечных сокращений, вариабельность сердечного ритма, температуру кожи запястья, кровоток, количество и качество сна.
Исследователи хотели выяснить, может ли мониторинг физиологических изменений помочь разработать алгоритм машинного обучения для выявления COVID у людей, которые могут распространять инфекцию за несколько дней до того, как узнают, что у них есть вирус. Участники были участниками исследования, начатого в 2010 году с целью изучения развития сердечно-сосудистых факторов риска в европейской стране Лихтенштейн.
Для этого исследования, были приглашены 1163 человека в период с марта 2020 года по апрель 2021 года.
Участники носили браслет ночью, затем использовали приложение для записи любых действий, которые могут повлиять на функционирование центральной нервной системы, включая употребление алкоголя, отпускаемых по рецепту лекарств и рекреационных наркотиков, а также для записи возможных симптомов COVID-19. Они также регулярно сдавали экспресс-тесты на антитела к COVID-19 и ПЦР-мазок, если у них были какие-либо симптомы, указывающие на наличие вируса.
Около 11% исследуемой группы, 127 человек, за период исследования заразились COVID-19. Значительно более высокая доля тех, у кого действительно развился COVID, заявили, что они контактировали с членами своей семьи или коллегами по работе, у которых также был COVID.
Около 52% из этих пациентов с COVID, носили браслет по крайней мере за 29 дней до появления симптомов, и положительный результат был подтвержден ПЦР-анализом мазка. Это были те люди, которые были включены в окончательный анализ.
Исследователи обнаружили значительные изменения во всех пяти физиологических показателях во время инкубационного, предсимптомного, симптоматического и восстановительного периодов COVID-19 по сравнению с исходными измерениями.
Алгоритм был “обучен” с использованием 70% данных за 10 дней до появления симптомов в течение 40-дневного периода непрерывного мониторинга 66 человек, у которых был положительный результат теста на вирус. Затем он был протестирован на оставшихся 30% данных. Симптомы COVID-19 у участников продолжались в среднем 8,5 дней. Около 73% лабораторно подтвержденных положительных случаев были выявлены в обучающей группе. Около 68% были обнаружены в наборе тестов за два дня до появления симптомов.
По словам исследователей, полученные результаты не могут быть более широко применимы. Выборка также была небольшой, молодой и не отличалась этническим разнообразием. Достигнутая точность была ниже 80%. В настоящее время алгоритм тестируется на гораздо большей группе людей в Нидерландах. Результаты этого исследования, включающего 20 000 человек, ожидаются позднее в этом году.
“Наши результаты показывают, что носимый алгоритм машинного обучения может служить многообещающим инструментом для предсимптомного или бессимптомного выявления COVID-19”, – говорят авторы исследования под руководством доктора Лоренца Риша из медицинской лаборатории доктора Риша в Вадуце, Лихтенштейн.
О каких еще заболеваниях могут предупредить “умные” часы – читайте далее.