Bedöma möjligheten att använda smartphone-data för att identifiera risk för idiopatisk pulmonell arteriell hypertension

Varför din telefon kan hjälpa upptäcka tyst hjärt–lung-problem

De flesta av oss bär en smartphone och många har en klocka som tyst loggar steg, puls och sömn. Denna studie ställer en enkel men potentiellt kraftfull fråga: skulle dessa vardagliga digitala spår kunna hjälpa läkare att upptäcka en sällsynt, allvarlig hjärt–lung-sjukdom kallad idiopatisk pulmonell arteriell hypertension (IPAH) tidigare — långt innan patienterna når en specialistklinik? Forskarna undersökte åratal av verkliga data från telefoner, klockor och inutiappen-enkäter för att se om subtila mönster i daglig rörelse och hjärtsignaler kunde avslöja vilka som löper högre risk.

En svårupptäckt sjukdom

IPAH förtränger de blodkärl som för blod från hjärtat till lungorna. Med tiden gör detta att människor blir andfådda, utmattade och riskerar hjärtsvikt. Ändå är de tidiga varningstecknen vaga — trötthet, andfåddhet vid ansträngning — och det avgörande testet kräver en invasiv kateterundersökning på en specialistklinik. Många patienter väntar omkring tre år från första symtom till diagnos, vid vilket stadium sjukdomen är mer avancerad och svårare att behandla. Forskargruppen ville ta reda på om kontinuerlig, passiv övervakning av vardagsaktivitet kunde ge en tidigare ledtråd om att något var fel.

Att omvandla vardagsrörelse till hälsovinklar

Forskarna använde iPhone-appen My Heart Counts, som länkar till Apple Health-data från både telefoner och Apple Watch. De rekryterade 109 personer i Storbritannien som redan ägde en iPhone, inklusive 33 med bekräftad IPAH, 14 med andra allvarliga sjukdomar (huvudsakligen efter svår COVID-19) och 61 friska frivilliga. För vissa patienter kunde de gå tillbaka månader eller till och med år före diagnos med historiska data sparade på telefonen. De granskade enkla mått såsom hur många steg personer tog, hur snabbt de gick, hur många trappor de klättrade, hur deras puls betedde sig vid vila och rörelse, och hur de sov på natten. Deltagarna svarade också på frågor om livsstil, sinnesstämning och inställning till träning och sjukdom.

Vad data visade om det dagliga livet

Personer som utvecklade IPAH rörde sig redan mindre och långsammare än friska frivilliga, även innan de fick diagnos. De tog färre steg, klättrade färre trappor och hade ett långsammare gångtempo. Deras vilopuls tenderade att vara högre och deras puls varierade mindre från slag till slag — tecken på att kroppen arbetade hårdare och anpassade sig sämre. De tillbringade också mer tid vakna på natten. Efter diagnos och behandling förbättrades dessa mått i allmänhet: patienterna promenerade mer, klättrade fler trappor och deras hjärtfrekvenser blev lugnare och mer flexibla, vilket speglade förbättringar som ses i standardiserade sexminuters gångtest på klinik. Svaren på frågor om inställning och livsstil gav ytterligare nyanser: personer med IPAH var mer benägna att tvivla på att deras nuvarande aktivitetsnivå var fördelaktig och såg oftare sjukdom som något fast eller ärftligt snarare än något som livsstil kunde påverka.

Lära datorer att känna igen risk

För att testa om dessa digitala signaler kunde hjälpa till att flagga för IPAH tränade teamet maskininlärningsmodeller på appdata. Genom att använda enbart information från före diagnos kunde modeller baserade på klockdata (inklusive puls) särskilja IPAH från friska och sjuka kontroller ganska väl, med ett mått på noggrannhet kallat ROC AUC omkring 0,87. Endast telefonens aktivitetsdata presterade också starkt, och genom att lägga till utvalda enkätfrågor — särskilt om livsstil och livstillfredsställelse — ökade prestandan till så mycket som 0,94. När de provade samma angreppssätt i en separat grupp amerikanska appanvändare gick modellerna sämre initialt, främst eftersom aktivitetsmönster och hälsobakgrund skiljde sig mellan länder. Men efter att ha retränat systemet med en liten del amerikanska data för att ta hänsyn till dessa skillnader, nådde modellen återigen användbar noggrannhet (ROC AUC omkring 0,74), vilket tyder på att sådana verktyg kan anpassas till olika populationer.

Vad detta kan innebära för patienter

För en allmän läsare är huvudbudskapet att de steg du tar, det tempo du går i och hur din puls reagerar under vardagen bär på meningsfull hälsoinformation — även när du bara känner dig svagt obehaglig. Denna studie, även om den fortfarande är liten och explorativ, visar att enkla data passivt insamlade av konsumentapparater, kombinerade med ett par korta enkäter, kan spegla sjukhustester och hjälpa skilja personer med ett allvarligt men dolt tillstånd från dem som är friska eller har andra problem. Författarna betonar att mycket större och mer mångfaldiga studier krävs innan sådana verktyg kan styra vård, och att de mönster de observerar inte är unika för IPAH. Ändå pekar deras arbete mot en framtid där telefoner och bärbara enheter fungerar som tidiga varningskamrater, och hjälper patienter och läkare att upptäcka farliga förändringar i hjärt–lung-hälsa tidigare, med mindre invasiva tester och mer tidsanpassad behandling.

Citering: 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

Nyckelord: digital hälsa, pulmonell hypertension, bärbara sensorer, smartphone-övervakning, maskininlärning i medicin