Digitala fysiologiska biomarkörer förutspår förändringar i symtom inom en person vid komplex kronisk sjukdom

Varför pulsspårning kan förutsäga en dålig dag

Personer som lever med långvariga sjukdomar som Long COVID eller kroniskt trötthetssyndrom beskriver ofta sina symtom som en berg‑och‑dalbana: vissa dagar är hanterbara, andra ger överväldigande utmattning, hjärndimma eller ett fullständigt ”krasch”. Dessa svängningar kan kännas slumpmässiga, vilket lämnar patienterna osäkra på när de bör vila eller planera viktiga aktiviteter. Denna studie ställer en enkel men kraftfull fråga: kan snabba dagliga mätningar från en telefon eller en bärbar enhet hjälpa till att förutsäga de där dåliga dagarna innan de inträffar?

Vardagen förvandlas till ett hälsolaboratorium

Forskare samarbetade med användare av en mobilapp kallad Visible, framtagen för personer med komplexa kroniska sjukdomar som begränsar energi. Mer än 4 200 vuxna runt om i världen valde att dela sina data anonymt. Varje morgon tog de en 60‑sekunders mätning med antingen en smartphonekamera eller en liten sensorer på armen. Dessa verktyg mätte vilopuls, variabilitet i hjärtfrekvens (ett mått på hur mycket tiden mellan hjärtslagen varierar) och andningsfrekvens. Varje kväll rapporterade samma personer hur de mådde, inklusive om de haft en krasch och hur allvarlig deras trötthet och hjärndimma varit.

Mönster dolda i små dagliga förändringar

I stället för att bara jämföra en person med en annan fokuserade forskarna på hur varje individ avvek från sitt eget vanliga mönster. De frågade: på dagar när en persons morgonmätdetaljer av hjärtat skiljde sig från deras typiska baslinje, innebar samma kväll sämre symtom? Svaret var ja. När en persons vilopuls var högre än vanligt och deras variabilitet i hjärtfrekvens var lägre än vanligt, var de mer benägna att rapportera en krasch, svår trötthet eller hjärndimma senare samma dag. Större svängningar i dessa mått under den föregående veckan signalerade också mer problem framöver, vilket tyder på att ett stabilt hjärtmönster kan hänga ihop med mer stabila symtom.

Att lära modeller att känna igen risk

För att se om dessa signaler kunde användas i praktiken tränade teamet datorbaserade modeller på varje persons tidsserie av data. Först testade de modeller som enbart byggde på föregående dags symtomrapporter. Dessa fungerade redan ganska bra: om någon mådde dåligt igår gissade modellen ofta att personen kunde må dåligt idag. Sedan lade de till morgonmätningarna av hjärta och andning. Modellerna blev måttligt men pålitligt bättre på att särskilja dagar med få symtom från dagar med många symtom, särskilt för krascher och hjärndimma. Med andra ord ersatte hjärtsignaler inte hur människor kände sig, men de bidrog med användbar extra information om vad som kunde hända härnäst.

Vad detta kan innebära i vardagen

För personer som hanterar Long COVID, ME/CFS och närliggande tillstånd kan även små ledtrådar om en förestående försämring spela roll. Om en app kan varna att dagens hjärtmönster ser riskabelt ut kan en person välja att vila mer, skjuta upp krävande uppgifter eller planera extra stöd. Studien antyder också att långsiktig stabilitet i hjärtrytmen kan spegla djupare motståndskraft i kroppens stress‑ och immunsystem. Forskarna varnar dock för att deras modeller är långt ifrån perfekta. De fungerar bäst när de anpassas till varje individ, och de missar ibland dåliga dagar eller larmar falskt. Datan kommer också från personer som valde att använda just denna app och dessa enheter, så resultaten kanske inte gäller för alla.

Ett steg mot mer förutsägbara dagar

Sammanfattningsvis visar studien att snabba hemtest av hjärtats beteende kan hjälpa till att förutsäga, i liten men meningsfull grad, när symtomen vid komplex kronisk sjukdom sannolikt förvärras. Morgonuppgångar i vilopuls och minskningar i variabilitet i hjärtfrekvens, särskilt när de svänger över flera dagar, förebådar ofta kvällskrascher, trötthet och hjärndimma. Medan mer arbete behövs med kontinuerliga sensorer, bredare patientgrupper och starkare prediktionsverktyg, pekar fynden mot en framtid där personer med oförutsägbara sjukdomar kan använda enkla digitala kontroller för att bättre förutse och hantera de svåraste dagarna.

Citering: Aitken, A., Sawyer, A., Iwasaki, A. et al. Digital physiological biomarkers predict within-person symptom changes in complex chronic illness. npj Digit. Med. 9, 257 (2026). https://doi.org/10.1038/s41746-026-02543-3

Nyckelord: long COVID, variabilitet i hjärtfrekvens, bärbara sensorer, kronisk trötthet, digital hälsomonitorering