Biomarcadores digitales para la salud cerebral: evaluación pasiva y continua mediante sensores wearables

Por qué tu reloj podría ayudar a proteger tu mente

Muchos de nosotros ya llevamos dispositivos que cuentan nuestros pasos, registran el sueño y controlan las pulsaciones. Este estudio plantea una pregunta simple pero poderosa: ¿pueden esos silenciosos flujos de datos revelar también cómo están nuestra memoria, atención y estado de ánimo día a día? Si es así, la salud cerebral podría seguirse de forma continua y discreta en segundo plano, mucho antes de que aparezcan problemas graves.

Vigilar el cerebro sin tests

En lugar de traer a las personas al laboratorio para evaluaciones largas y agotadoras, los investigadores siguieron a 82 adultos de mediana edad y mayores en Suiza y Francia mientras realizaban su vida diaria durante diez meses. Todos llevaron un smartwatch de consumo y usaron una app en el teléfono. Los dispositivos registraron automáticamente movimiento, ritmo cardiaco, patrones de sueño, y la meteorología y la calidad del aire alrededor de cada persona. Cada tres meses, los participantes también completaron tareas en línea que medían distintos tipos de funciones cognitivas —como memoria, velocidad y flexibilidad— y rellenaron cuestionarios sobre sensaciones como estrés, ansiedad y ánimo. En total, el equipo intentó predecir 21 resultados relacionados con el cerebro usando únicamente los datos recogidos de forma pasiva.

Convertir las señales diarias en pistas sobre el cerebro

Para vincular el cuerpo y el entorno con la mente, el equipo empezó limpiando los datos para asegurarse de que los dispositivos se llevaban puestos con regularidad—de media había información válida disponible más del 96% de cada día. Luego resumieron las lecturas crudas de los sensores en números diarios simples, como la frecuencia cardiaca media en 24 horas, tiempo en sueño profundo, pasos dados y niveles típicos de temperatura o contaminación del aire. Usando varios tipos de modelos de aprendizaje automático, entrenaron programas para que aprendieran cómo combinaciones de estas señales se relacionaban con las puntuaciones en las pruebas cognitivas y las sensaciones autorreportadas de cada persona. Comprobaron los modelos de dos maneras exigentes: prediciendo diferencias entre personas y prediciendo cómo cambiaba la misma persona de una ola trimestral a la siguiente.

¿Qué tan bien funcionaron las pruebas invisibles?

Los modelos pudieron predecir los 21 resultados cognitivos y de ánimo con un error moderado, por lo general entre aproximadamente un 3% y un 25% del rango completo de cada medida. Las sensaciones cotidianas —como el estrés, la ansiedad, el ánimo positivo y el ánimo negativo— fueron generalmente más fáciles de pronosticar que el rendimiento en tareas temporizadas. Por ejemplo, las estimaciones informáticas sobre depresión o ansiedad se equivocaron solo en porcentajes de un dígito en promedio, mientras que habilidades más complejas como la fluidez verbal fueron más difíciles de captar. Frente a una estrategia muy simple que siempre adivinaba la puntuación media para todos, los modelos más avanzados superaron claramente esa línea base en algunas capacidades cognitivas detalladas como la atención y la flexibilidad cognitiva, y tendieron a ser al menos igual de estables para la mayoría de los demás resultados. Esto sugiere que los datos pasivos contienen información genuina sobre la salud cerebral, aunque los conjuntos de datos actuales sigan siendo demasiado pequeños para mostrar avances fuertes en todas las medidas.

Lo que más importa: aire, clima, sueño y latidos

Una pregunta clave no es solo si la predicción es posible, sino qué señales aportan las pistas más útiles. El análisis mostró que las exposiciones ambientales y las medidas relacionadas con el corazón a menudo destacaron. Las condiciones meteorológicas y los contaminantes del aire —como la temperatura, el ozono y las partículas finas— fueron especialmente importantes para explicar por qué algunas personas tendían a obtener puntuaciones más altas o más bajas que otras en las pruebas cognitivas. Los patrones de frecuencia cardiaca a lo largo del día, la calidad del sueño y la actividad física ayudaron a explicar cómo cambiaban con el tiempo el pensamiento y el ánimo de una persona. Para los resultados relacionados con el estado de ánimo en particular, el movimiento y los factores ambientales funcionaron conjuntamente: los días activos en aire más limpio y templado se asociaban con mayor probabilidad a estados emocionales mejores. Este panorama encaja con trabajos anteriores que muestran que los entornos contaminados e incómodos tensan el cerebro a largo plazo, mientras que el sueño interrumpido y los ritmos cardiacos relacionados con el estrés se vinculan a caídas diarias en el ánimo y la concentración.

De la atención reactiva a las alertas tempranas

El estudio tiene límites: los participantes eran por lo general bien educados, de una región geográfica restringida y sin diagnósticos de enfermedad mental, por lo que los hallazgos quizá no se apliquen todavía a grupos más diversos o en riesgo. Los modelos también usaron resúmenes diarios en lugar de detalle minuto a minuto, y siguieron fluctuaciones naturales en lugar de una enfermedad clara. Aun así, los resultados muestran que dispositivos simples y ampliamente disponibles pueden reflejar discretamente cambios significativos en cómo pensamos y sentimos. Con el tiempo, tales «biomarcadores digitales» podrían ayudar a establecer una línea base personal de salud cerebral y señalar derivaciones sutiles respecto a ella —impulsando evaluaciones más cercanas mucho antes de que aparezca una pérdida grave de memoria o trastornos del ánimo. Más que sustituir a los médicos, estas herramientas podrían servir como sistemas de alerta temprana de baja carga, apoyando una atención más preventiva y personalizada de la salud cerebral a lo largo de la vida.

Cita: Matias, I., Haas, M., Daza, E.J. et al. Digital biomarkers for brain health: passive and continuous assessment from wearable sensors. npj Digit. Med. 9, 197 (2026). https://doi.org/10.1038/s41746-026-02340-y

Palabras clave: biomarcadores digitales, sensores wearables, salud cerebral, cognición y estado de ánimo, monitorización pasiva