Ocena wykonalności użycia danych ze smartfona do identyfikacji ryzyka idiopatycznego nadciśnienia płucnego

Dlaczego twój telefon może pomóc wyłapać ciche problemy sercowo-płucne

Większość z nas nosi smartfon, a wielu nosi też zegarek, który cicho rejestruje kroki, tętno i sen. To badanie stawia proste, lecz istotne pytanie: czy te codzienne cyfrowe ślady mogą pomóc lekarzom wykryć rzadkie, poważne schorzenie sercowo‑płucne zwane idiopatycznym nadciśnieniem tętniczym płuc (IPAH) wcześniej, na długo przed tym, jak pacjenci trafiają do specjalistycznej kliniki? Badacze przeanalizowali wieloletnie dane rzeczywiste pochodzące z telefonów, zegarków i ankiet w aplikacji, aby sprawdzić, czy subtelne wzorce w codziennym ruchu i sygnałach sercowych mogą ujawnić, kto jest w większym ryzyku.

Choroba trudna do wykrycia

IPAH zwęża naczynia krwionośne przenoszące krew z serca do płuc. Z czasem powoduje to duszność, wyczerpanie i ryzyko niewydolności serca. Wczesne objawy są jednak nieostre — zmęczenie, duszność przy wysiłku — a rozstrzygające badanie wymaga inwazyjnej cewnikizacji serca w ośrodku specjalistycznym. Wielu pacjentów czeka około trzech lat od pierwszych objawów do rozpoznania, gdy choroba jest bardziej zaawansowana i trudniejsza w leczeniu. Zespół autorów chciał sprawdzić, czy ciągłe, pasywne śledzenie codziennej aktywności może dać wcześniejszy sygnał, że coś jest nie w porządku.

Przekształcanie codziennego ruchu w wskazówki zdrowotne

Badacze wykorzystali aplikację My Heart Counts na iPhone, która łączy się z danymi Apple Health z telefonów i Apple Watchy. Zrekrutowali 109 osób w Wielkiej Brytanii, które już posiadały iPhone’a, w tym 33 z potwierdzonym IPAH, 14 z innymi poważnymi chorobami (głównie po ciężkim COVID-19) oraz 61 zdrowych ochotników. U niektórych pacjentów mogli się cofnąć miesiące lub nawet lata przed rozpoznaniem, wykorzystując historyczne dane zapisane na telefonie. Analizowali proste miary, takie jak liczba kroków, tempo chodu, liczba pokonanych pięter, zachowanie tętna w spoczynku i przy ruchu oraz jakość snu nocą. Uczestnicy odpowiadali też na pytania dotyczące stylu życia, nastroju i nastawienia do ćwiczeń oraz choroby.

Co dane ujawniły o codziennym życiu

Osoby, u których rozwinęło się IPAH, już przed rozpoznaniem poruszały się mniej i wolniej niż zdrowi ochotnicy. Robiły mniej kroków, pokonywały mniej schodów i miały wolniejsze tempo chodu. Ich tętno spoczynkowe miało tendencję do bycia wyższym, a zmienność rytmu serca była mniejsza — objawy sugerujące, że organizm pracuje ciężej i gorzej się dostosowuje. Spędzali też więcej czasu obudzeni w nocy. Po rozpoznaniu i rozpoczęciu leczenia wskaźniki te zwykle się poprawiały: pacjenci chodzili więcej, pokonywali więcej pięter, a ich tętno stawało się bardziej spokojne i elastyczne, co odpowiada poprawie widocznej w standardowym sześciominutowym teście marszowym w klinice. Odpowiedzi na ankiety o nastawieniu i stylu życia dodały kolejny wymiar: osoby z IPAH częściej wątpiły, że ich obecny poziom aktywności jest korzystny, i częściej postrzegały chorobę jako coś stałego lub genetycznego, a nie jako coś, na co styl życia mógłby wpływać.

Nauczanie komputerów rozpoznawania ryzyka

Aby sprawdzić, czy te cyfrowe sygnały mogą pomóc wykrywać IPAH, zespół wytrenował modele uczenia maszynowego na danych z aplikacji. Używając jedynie informacji sprzed rozpoznania, modele oparte na danych z zegarka (w tym tętna) potrafiły całkiem dobrze odróżnić IPAH od grup kontrolnych zdrowych i chorych, osiągając miarę skuteczności ROC AUC około 0,87. Dane tylko z telefonu dotyczące aktywności także radziły sobie silnie, a dodanie wybranych odpowiedzi z kwestionariuszy — zwłaszcza dotyczących stylu życia i zadowolenia z życia — podniosło skuteczność do około 0,94. Gdy zastosowali podobne podejście w odrębnej grupie użytkowników aplikacji w USA, modele początkowo wypadały gorzej, głównie dlatego, że wzorce aktywności i konteksty zdrowotne różniły się między krajami. Jednak po retreningu systemu na małej części danych z USA, aby uwzględnić te różnice, model ponownie osiągnął użyteczną skuteczność (ROC AUC około 0,74), co sugeruje, że takie narzędzia można dostosować do różnych populacji.

Co to może znaczyć dla pacjentów

Dla czytelnika ogólnego kluczowy przekaz jest taki, że liczba kroków, tempo chodu i to, jak tętno reaguje w codziennym życiu, niosą istotne informacje o zdrowiu — nawet gdy czujesz się jedynie nieznacznie źle. To badanie, choć niewielkie i eksploracyjne, pokazuje, że proste dane zbierane pasywnie przez urządzenia konsumenckie, połączone z kilkoma krótkimi ankietami, mogą odzwierciedlać wyniki badań szpitalnych i pomóc odróżnić osoby z poważnym, ale ukrytym schorzeniem od osób zdrowych lub z innymi problemami. Autorzy podkreślają, że potrzebne są znacznie większe i bardziej zróżnicowane badania, zanim takie narzędzia mogłyby kierować opieką, i że obserwowane wzorce nie są unikalne dla IPAH. Mimo to ich praca wskazuje na przyszłość, w której telefony i urządzenia noszone działają jako towarzysze wczesnego ostrzegania, pomagając pacjentom i lekarzom wykrywać niebezpieczne zmiany w zdrowiu sercowo‑płucnym szybciej, przy mniej inwazyjnych badaniach i szybszym leczeniu.

Cytowanie: Delgado-SanMartin, J.A., Keles, M., Errington, N. et al. Assessing the feasibility of using smartphone data to identify risk of idiopathic pulmonary arterial hypertension. npj Cardiovasc Health 3, 16 (2026). https://doi.org/10.1038/s44325-026-00114-9

Słowa kluczowe: zdrowie cyfrowe, nadciśnienie płucne, czujniki noszone, monitorowanie smartfonem, uczenie maszynowe w medycynie