Utilizzare i dati dei dispositivi indossabili per rilevare la gravità della depressione in campioni clinici e non clinici

Perché il tuo fitness tracker potrebbe rivelare più dei passi

Molte persone indossano oggi smartwatch o braccialetti fitness per contare i passi e monitorare il sonno. Questo studio pone una domanda sorprendente: quegli stessi dispositivi potrebbero segnalare silenziosamente quando qualcuno sta lottando con la depressione, anche prima che cerchi aiuto? Analizzando i modelli quotidiani di frequenza cardiaca, movimento e sonno, i ricercatori hanno esplorato se i dispositivi consumer potessero aiutare a individuare persone con livelli più elevati di sintomi depressivi sia tra studenti universitari sia tra pazienti già in trattamento.

Due gruppi, un unico dispositivo

Per verificare questa idea, il team ha combinato i dati di due gruppi molto diversi che indossavano tutti lo stesso bracciale Garmin per due settimane. Un gruppo era composto da studenti universitari nei Paesi Bassi, la maggior parte dei quali non era in trattamento per problemi di salute mentale. L’altro proveniva da una clinica universitaria tedesca, dove i pazienti ricevevano terapia per depressione diagnosticata. Tutti inoltre hanno compilato un breve questionario standard sul tono dell’umore, e i ricercatori hanno usato i punteggi per dividere i partecipanti in “screen-positive per depressione” o “non screen-positive”. Questo disegno ha permesso di verificare se i segnali raccolti dagli indossabili potessero distinguere tra persone con livelli di sintomi più alti o più bassi in contesti sia quotidiani sia clinici.

Trasformare i ritmi giornalieri in segnali

I braccialetti hanno registrato caratteristiche di base che molti tracker misurano: quanti passi venivano compiuti ogni giorno, quanto durava il sonno, quando le persone andavano a letto e si svegliavano, e come si comportava la frequenza cardiaca durante veglia e sonno. Invece di concentrarsi su singole giornate, il team ha riassunto due settimane di dati per ciascuna persona, catturando non solo le medie ma anche quanto questi schemi variavano di giorno in giorno. Hanno quindi utilizzato un tipo di modello statistico spesso impiegato nell’apprendimento automatico, progettato per gestire molti predittori correlati contemporaneamente, per verificare se una combinazione di queste caratteristiche potesse classificare correttamente chi risultava positivo allo screening per maggiore gravità depressiva.

Cosa hanno rivelato gli indossabili

Tra tutti i 282 partecipanti, il modello ha mostrato buone prestazioni: nei dati di test tenuti da parte, ha distinto correttamente i gruppi a sintomi più alti da quelli a sintomi più bassi circa quattro volte su cinque. Tre tipi di segnali si sono distinti. Le persone con sonno più irregolare—oscillazioni maggiori nella durata del sonno notte per notte—avevano più probabilità di trovarsi nel gruppo con sintomi più elevati. Coloro che raggiungevano conteggi di passi massimi più bassi nei giorni più attivi tendevano anch’essi a mostrare sintomi più severi, richiamando studi passati che collegano la depressione a una riduzione dell’attività fisica. Infine, gli individui il cui battito cardiaco diurno minimo era particolarmente basso avevano maggiore probabilità di appartenere al gruppo con sintomi più elevati, suggerendo cambiamenti nell’eccitabilità corporea o nell’energia che possono accompagnare la depressione.

Oltre chi sei, verso come vivi

I ricercatori hanno anche verificato quanto della previsione derivasse semplicemente dal conoscere a quale gruppo una persona appartenesse—studente o paziente clinico. L’appartenenza al gruppo di per sé era un indizio forte, dato che il campione ambulatoriale aveva, in media, punteggi depressivi molto più alti rispetto al campione di studenti. Tuttavia, quando le caratteristiche rilevate dall’indossabile venivano aggiunte a modelli che già conoscevano il gruppo di appartenenza, le prestazioni complessive miglioravano. In altre parole, come una persona dormiva, si muoveva e come si comportava il suo cuore aggiungeva comunque informazioni oltre ai fattori di background di base. Analisi di follow-up che hanno aggiustato per età, orario di coricamento o soglie leggermente diverse nel questionario dell’umore hanno mostrato risultati simili, anche se i segnali più importanti si sono spostati in parte verso il timing del sonno e i pattern della frequenza cardiaca a riposo.

Promesse, con importanti avvertenze

Sebbene i risultati siano incoraggianti, gli autori sottolineano che i dati degli indossabili di oggi non sono uno strumento diagnostico autonomo. Molti partecipanti, soprattutto nel gruppo clinico, hanno dovuto essere esclusi perché i loro dispositivi non fornivano dati sufficienti, e il campione finale metteva principalmente a confronto persone con depressione evidente contro studenti per lo più sani. Ciò significa che il modello è meno testato nel cogliere cambiamenti sottili o precoci dell’umore. Differenze di età, stress accademico e altre circostanze di vita tra i gruppi possono inoltre aver influenzato i modelli osservati. Il lavoro mostra che i ritmi quotidiani catturati da gadget comuni possono riflettere aspetti significativi della salute mentale, ma un uso davvero affidabile nel mondo reale richiederà studi più ampi e più diversificati.

Cosa significa per la vita quotidiana

Per un pubblico non specialistico, la conclusione principale è che cambiamenti nella regolarità del sonno, nel movimento e nello “stato di riposo” corporeo lasciano impronte misurabili che gli smartwatch possono rilevare. In questo studio, tali impronte hanno aiutato a identificare persone con livelli più alti di sintomi depressivi sia tra studenti sia tra pazienti. In futuro, metodi simili potrebbero sostenere sistemi di allerta precoce che segnalano a individui o clinici quando i modelli cominciano a somigliare a quelli associati alla depressione, favorendo conversazioni o controlli tempestivi. Per ora, il messaggio è di speranza ma con cautela: il tuo fitness tracker comincia a intravedere indizi della tua salute mentale, ma non è ancora pronto a sostituire un professionista qualificato—o la tua stessa voce nel chiedere aiuto.

Citazione: Hehlmann, M.I., Tutunji, R., Lutz, W. et al. Using wearable data to detect depression severity across clinical and non-clinical samples. Sci Rep 16, 11380 (2026). https://doi.org/10.1038/s41598-026-47177-3

Parole chiave: dispositivi indossabili, rilevazione della depressione, schemi di sonno e attività, salute mentale digitale, rilevamento passivo