Smartwatches podem ajudar a orientar testes de COVID-19

Pesquisadores da Duke University desenvolveram uma maneira de usar dados coletados de dispositivos vestíveis, como smartwatches, para identificar pessoas com possíveis infecções por COVID-19.

Esse conhecimento permitirá profissionais de saúde para realizar testes com mais eficiência, pois eles poderão identificar mais casos positivos usando menos testes e em menos tempo. Essa eficiência aprimorada pode ajudar a lidar com a escassez de suprimentos de teste durante surtos de novas variantes e doenças e em locais onde os recursos de teste são escassos.

O estudo foi publicado em 1º de setembro em npj Medicina Digital.

Durante um surto, especialistas em saúde pública realizam testes de vigilância para estudar e controlar a propagação da doença em uma população. Os testes de vigilância podem ajudar a detectar infecções antes que elas se espalhem ainda mais, o que limita o alcance dos surtos de doenças.

Mas, como o público viu durante a pandemia do COVID-19, esse processo pode ser dificultado quando não há testes suficientes para circular.

“Os testes de vigilância são uma ótima ferramenta se você tiver testes suficientes, mas se houver escassez, você precisa ser estratégico sobre como usá-los”, diz Md Mobashir Hasan Shandhi, pesquisador de pós-doutorado na Duke. “Ficou claro que não tínhamos testes suficientes no início da pandemia, e essa escassez persiste globalmente. E quando a variante Delta apareceu em julho passado, a demanda diária por testes subiu de 250 mil para 1,5 milhão em dois meses, e a capacidade de teste não atendeu à demanda repentina.”

Para resolver esse problema, Jessilyn Dunn, professora assistente de engenharia biomédica na Duke, e membros de seu laboratório, incluindo Shandhi, Peter Cho e Ali Roghanizad, desenvolveram um método de alocação de testes inteligentes (ITA) analisando dados de saúde coletados por meio do estudo COVIDentify de seu laboratório.

Os voluntários do estudo COVIDentify preencheram pesquisas regulares de sintomas, testes de diagnóstico e sincronizou seus smartwatches com o aplicativo COVIDentify ou enviou seus dados diretamente para a equipe. O programa então analisou dados biométricos do dispositivos vestíveisespecificamente os níveis de atividade do participante, níveis de sono e frequência cardíaca, e examinou como esses dados de saúde correspondiam a sintomas que poderiam indicar um COVID-19 infecção.

Para garantir que eles estivessem trabalhando com um conjunto de dados robusto, a equipe expandiu seu escopo para incluir o estudo MyPhD da Universidade de Stanford, que também exigia que os participantes compartilhassem seus dados de smartwatch para rastrear sintomas e diagnósticos do COVID-19.

Depois de analisar os dados, Dunn e seus colaboradores observaram que muitos pacientes que relataram um teste positivo para COVID experimentaram um aumento da frequência cardíaca em repouso (RHR) nos dias que antecederam o diagnóstico. Eles também viram que muitos participantes deram menos passos por vários dias antes de testar positivo.

“Desenvolvemos um algoritmo de aprendizado de máquina e o treinamos para usar esses biomarcadores para identificar possíveis infecções por COVID-19”, disse Roghanizad, pós-doutorando no laboratório Dunn. “Inicialmente, pensamos que incorporar os níveis de atividade e os dados da frequência cardíaca em nosso algoritmo o tornaria mais preciso, mas apenas identificar alterações persistentes na frequência cardíaca em repouso de uma pessoa era um indicador preditivo muito mais preciso de infecção porque muda mais cedo no curso da doença. a infecção.”

Usando seu algoritmo, os pesquisadores desenvolveram seu método ITA para identificar e testar os casos mais prováveis ​​de COVID-19. Sua abordagem resultou em um aumento de 6,5 vezes na taxa de positividade em comparação com o método padrão de teste de alocação aleatória.

“Nosso método ITA aumentou significativamente a taxa de positividade, o que se traduz em muito mais infecções detectadas”, disse Cho, Ph.D. estudante no laboratório Dunn. “Uma mudança no descanso de alguém frequência cardíaca nem sempre foi indicativo de uma infecção por COVID, mas mostramos que é uma métrica de orientação muito boa, especialmente quando você está trabalhando com recursos limitados.”

A equipe continuará analisando os dados do estudo COVIDentify para desenvolver biomarcadores digitais adicionais para o COVID-19. Em última análise, eles gostariam de desenvolver uma maneira de usar dados vestíveis para identificar e diagnosticar infecções por COVID-19 o mais rápido possível (por exemplo, dentro de 24 horas após a exposição ao patógeno). Eles também esperam expandir seu modelo para que possa ser aplicado a outras doenças respiratórias, como a gripe.

“Vimos como testes diagnósticos ineficientes podem exacerbar surtos de doenças e prejudicar comunidades, com Monkeypox como um exemplo ainda mais recente do que o COVID-19”, disse Dunn. “Nossa abordagem nos permite dar um passo à frente na melhoria dos testes de vigilância para detectar infecções que, de outra forma, resultariam na propagação da doença, e ajuda as pessoas a obter os cuidados e as informações certas no momento certo”.