Validazione di SocialBit come algoritmo da smartwatch per il rilevamento delle interazioni sociali in una popolazione clinica

Perché contare le conversazioni è importante

Dopo una malattia grave come l’ictus, i piccoli momenti quotidiani — come chiacchierare con un infermiere o scherzare con la famiglia — possono influenzare discretamente il recupero. È noto che i legami sociali proteggono la salute cerebrale e possono persino allungare la vita, eppure i medici raramente dispongono di un metodo affidabile per misurare quanto un paziente sia effettivamente socialmente coinvolto durante la giornata. Questo studio presenta SocialBit, un sistema basato su smartwatch che rileva le conversazioni in modo attento alla privacy e verifica se può tracciare con precisione l’interazione sociale nel mondo reale in persone ricoverate dopo un ictus.

Uno smartwatch che ascolta, non origlia

SocialBit è un algoritmo software che gira su uno smartwatch commerciale. Anziché registrare le conversazioni o analizzare le parole dette, utilizza brevi frammenti di suono ambientale per catturare pattern come volume, ritmo e altre caratteristiche acustiche. Da questi elementi decide se un minuto di tempo ha probabilmente coinvolto un’interazione — definita semplicemente come qualsiasi suono prodotto dal paziente o rivolto al paziente da un’altra persona, incluse le espressioni frammentate o non verbali comuni dopo un ictus. Poiché il sistema non conserva mai l’audio grezzo né testi trascritti, è progettato per preservare la privacy offrendo comunque ai clinici una misura continua del mondo sociale del paziente.

Testare il dispositivo nella vita reale ospedaliera

Per verificare se SocialBit funziona fuori dal laboratorio, i ricercatori hanno arruolato 153 adulti ricoverati per ictus ischemico in due ospedali di Boston. I pazienti hanno indossato lo smartwatch durante le ore diurne per un massimo di otto giorni, mentre osservatori addestrati guardavano video live protetti e etichettavano ogni minuto come sociale o non sociale. Questo ha creato quasi 89.000 minuti di dati codificati da esseri umani, di cui circa 14.000 minuti avevano anche letture da SocialBit. I pazienti erano molto diversi fra loro: la gravità dell’ictus variava da molto lieve a grave, i punteggi di pensiero e memoria coprivano quasi l’intera scala e 24 partecipanti presentavano varie forme di afasia, un disturbo del linguaggio che spesso interrompe la conversazione normale. Questa diversità ha permesso al gruppo di verificare se il sistema reggeva anche quando il linguaggio era esitante, impastato o minimo.

Quanto bene ha funzionato l’algoritmo

Quando i giudizi di SocialBit sono stati confrontati con le etichette minute-per-minute degli osservatori umani, la versione migliore dell’algoritmo ha rilevato correttamente l’interazione sociale in circa l’87% dei minuti in cui essa era effettivamente presente e ha riconosciuto correttamente la non-interazione nell’88% dei casi. Statisticamente, questo ha posto SocialBit avanti rispetto ai rilevatori generici di parlato e conversazione esistenti. Importante, la sua visione riassuntiva del tempo che i pazienti trascorrevano in interazione durante la giornata corrispondeva da vicino alle stime umane, nonostante lo smartwatch campionasse solo uno ogni cinque minuti per conservare la batteria. Le prestazioni sono rimaste robuste attraverso molte sfide del mondo reale, inclusi televisori in sottofondo, conversazioni laterali nella stanza, chiamate telefoniche e videochiamate, diverse unità ospedaliere e due tipi di hardware per smartwatch.

Inclusione dei pazienti con difficoltà a parlare

Una questione chiave era se SocialBit avrebbe fallito nelle persone con afasia, che possono parlare meno o produrre un linguaggio non standard. In questo sottogruppo, l’algoritmo ha comunque performato bene, con solo una modesta diminuzione di accuratezza rispetto ai pazienti senza problemi di linguaggio. Il sistema si è anche comportato in modi clinicamente sensati: i pazienti con ictus più gravi avevano meno minuti di interazione rilevata, rispecchiando ciò che gli osservatori umani osservavano. Ogni aumento di un punto nel punteggio di gravità dell’ictus era associato a circa l’un percento in meno della quota di tempo trascorso in interazione. Ciò suggerisce che SocialBit non si limita a riconoscere il suono, ma cattura una dimensione significativa della vita sociale dei pazienti.

Cosa potrebbe significare per l’assistenza

Gli autori sostengono che uno strumento come SocialBit potrebbe trasformare l’interazione sociale in un “segno vitale” tracciabile insieme alla pressione sanguigna o alla frequenza cardiaca. Nella ricerca, potrebbe fornire un esito oggettivo per trial clinici che mirano a migliorare la qualità della vita o ridurre l’isolamento. Nella pratica quotidiana, potrebbe avvisare clinici e caregiver quando un paziente sta diventando meno socialmente coinvolto, sollecitando un supporto anticipato o modifiche ambientali. Pur richiedendo ulteriori sviluppi per adattare il sistema all’uso domiciliare e per cogliere non solo la frequenza delle interazioni ma anche quanto siano significative, questo studio mostra che un semplice smartwatch può misurare in modo attendibile un ingrediente potente ma finora invisibile del recupero: la connessione umana.

Citazione: Dhand, A., Tate, S., Mack, C. et al. Validation of SocialBit as a smartwatch algorithm for social interaction detection in a clinical population. Sci Rep 16, 4529 (2026). https://doi.org/10.1038/s41598-026-37746-x

Parole chiave: recupero post-ictus, interazione sociale, rilevamento tramite smartwatch, biomarker digitale, afasia