Dados de sono e temperatura de dispositivos vestíveis apoiam a detecção não invasiva de diabetes mellitus em uma análise retrospectiva de grande escala

Por que seu sono e a temperatura do corpo podem revelar um diabetes oculto

Milhões de pessoas vivem com diabetes sem saber, em parte porque os exames padrão geralmente só são realizados depois que os sintomas aparecem. Este estudo levanta uma questão simples, mas poderosa: será que os anéis e relógios inteligentes que muitas pessoas já usam podem sinalizar discretamente sinais precoces de diabetes, muito antes de uma visita à clínica? Ao analisar meses de dados de sono, batimentos e temperatura corporal de milhares de voluntários, os pesquisadores mostram que dispositivos vestíveis comuns conseguem captar mudanças sutis e duradouras no corpo que estão fortemente associadas ao diabetes.

Anéis inteligentes como janelas para a saúde

A equipe utilizou dados de mais de 33.000 pessoas que usavam um anel inteligente popular que monitora a frequência cardíaca, a variabilidade da frequência cardíaca, os estágios do sono e a temperatura na superfície do dedo. Entre esses usuários, quase 11.000 relataram nunca terem sido diagnosticados com diabetes, enquanto 389 relataram diagnóstico de diabetes. Durante mais de quatro meses em 2020, o anel registrou com que rapidez seus corações batiam à noite, quão variável era essa batida, quanto e com que eficiência dormiam, e como a temperatura do dedo subia e descia ao longo do dia e da noite. A partir desses fluxos contínuos, os cientistas construíram 36 medidas noturnas projetadas para capturar não apenas médias simples, mas também ritmos diários e a complexidade das mudanças de temperatura corporal durante o sono.

Padrões ocultos no sono e na temperatura corporal

Quando os pesquisadores compararam os grupos, pessoas que relataram diabetes apresentaram diferenças consistentes em relação às que não tinham diagnóstico. Em média, elas tinham frequências cardíacas noturnas mais altas, menor variabilidade da frequência cardíaca (um sinal de um sistema nervoso menos flexível), sono ligeiramente mais curto e uma oscilação dia–noite menor na temperatura do dedo. A equipe também criou características de temperatura mais avançadas que descrevem quão estável é o ritmo de temperatura ao longo de 24 horas e quão intricado é o padrão minuto a minuto durante o meio da noite. Essas medidas mais ricas se mostraram especialmente informativas, sugerindo que o diabetes remodela discretamente a forma como o corpo regula o calor e o sono ao longo de muitas noites, não apenas em instantâneos isolados.

Treinando algoritmos para identificar risco

Para ver se esses sinais de vestíveis podiam realmente distinguir indivíduos com diabetes, a equipe treinou modelos de aprendizado de máquina em janelas móveis de 1 a 21 noites de dados. A ideia era que, se o diabetes produz deslocamentos pequenos, mas persistentes na fisiologia, várias semanas de medições deveriam tornar esses deslocamentos mais evidentes. Foi exatamente isso que encontraram: usar apenas uma noite de dados produziu desempenho modesto, mas incluir 14 ou 21 noites permitiu que o melhor modelo alcançasse alta precisão (uma AUROC de cerca de 0,88) e forte precisão preditiva. Em outras palavras, pouco mais de três semanas de uso típico em casa foram suficientes para o algoritmo separar pessoas com diabetes das sem diabetes, muito além do acaso.

Diferenciando diabetes de outras doenças crônicas

Muitas condições crônicas, como hipertensão ou apneia do sono, também podem perturbar o sono e os padrões cardíacos. Os pesquisadores temiam que seu modelo pudesse simplesmente estar detectando “estar doente” em geral, e não o diabetes em particular. Para testar isso, eles analisaram pessoas que disseram não ter diabetes, mas relataram outra doença crônica. Esses indivíduos não receberam escores semelhantes de diabetes significativamente maiores do que pessoas que relataram não ter condições crônicas. Crucialmente, quando a equipe removeu as características de temperatura mais avançadas do modelo, pessoas com outras doenças crônicas passaram a ser confundidas com portadores de diabetes com mais frequência. Isso mostra que padrões detalhados de temperatura corporal ajudam o sistema a ser mais específico para diabetes, em vez de sinalizar todo tipo de problema de saúde.

O que isso pode significar para a saúde cotidiana

Finalmente, os autores verificaram quão bem seu melhor modelo funcionaria em uma população mais realista, onde apenas uma minoria tem diabetes. Mesmo nesse teste mais desafiador, usando milhares de usuários adicionais e preservando uma taxa típica de diabetes, o sistema ainda captou muito mais sinal do que o palpite aleatório. Para um leigo, a mensagem é direta: semanas de dados simples e passivos de um anel ou relógio — como você dorme, como seu coração se comporta à noite e como a temperatura da sua pele sobe e desce — contêm informação suficiente para sinalizar uma fisiologia consistente com diabetes. Embora isso não substitua exames de sangue, aponta para um futuro em que vestíveis cotidianos possam discretamente sugerir quem deve buscar testes mais cedo e, talvez, ajudar a monitorar condições crônicas em segundo plano na vida diária.

Citação: Viswanath, V.K., Navaneethan, S., Burks, J.H. et al. Sleep and temperature data from wearable devices support noninvasive detection of diabetes mellitus in a large-scale, retrospective analysis. Commun Med 6, 223 (2026). https://doi.org/10.1038/s43856-026-01501-0

Palavras-chave: dispositivos vestíveis, padrões de sono, temperatura corporal, detecção do diabetes, saúde digital