Akıllı telefon verilerinin idiyopatik pulmoner arteriyel hipertansiyon riskini belirlemede kullanılabilirliğinin değerlendirilmesi

Telefonunuz Sessiz Kalp-Akciğer Sorunlarını Neden Fark Edebilir

Çoğumuz bir akıllı telefon taşıyor ve birçok kişi adımlarımızı, kalp atış hızımızı ve uykumuzu sessizce kaydeden bir saat takıyor. Bu çalışma basit ama güçlü bir soru soruyor: bu günlük dijital izler, nadir ve ciddi bir kalp–akciğer hastalığı olan idiyopatik pulmoner arteriyel hipertansiyonun (IPAH) uzman kliniğe ulaşılmadan çok önce daha erken tespit edilmesine yardımcı olabilir mi? Araştırmacılar, günlük hareket ve kalp sinyallerindeki ince örüntülerin kimin daha yüksek riskte olduğunu ortaya koyup koyamayacağını görmek için telefonlar, saatler ve uygulama içi anketlerden yıllara yayılan gerçek dünya verilerini incelediler.

Fark Edilmesi Zor Bir Hastalık

IPAH, kalpten akciğerlere kan taşıyan damarları daraltır. Zamanla bu durum insanları nefessiz, yorgun ve kalp yetmezliği riski altında bırakır. Ancak erken uyarı işaretleri belirsizdir—yorgunluk, efor sırasında nefes darlığı gibi—ve kesin tanı, uzman bir merkezde invaziv bir kalp kateterizasyonu gerektirir. Birçok hasta, ilk belirtilerden tanıya kadar yaklaşık üç yıl bekler; bu sürede hastalık daha ilerlemiş ve tedavisi daha zor hale gelir. Bu çalışmayı yapan ekip, günlük aktivitelerin sürekli ve pasif olarak izlenmesinin bir şeylerin ters gittiğine dair daha erken bir ipucu sağlayıp sağlayamayacağını öğrenmek istedi.

Günlük Hareketi Sağlık İpuçlarına Dönüştürmek

Araştırmacılar, telefon ve Apple Watch verilerini Apple Health ile bağlayan My Heart Counts iPhone uygulamasını kullandılar. Bir iPhone’a zaten sahip olan Birleşik Krallık’tan 109 kişiyi kaydettirdiler; bunların 33’ü doğrulanmış IPAH, 14’ü diğer ciddi hastalıklar (çoğunlukla şiddetli COVID-19 sonrası) ve 61’i sağlıklı gönüllüydü. Bazı hastalar için tanıdan önce aylar veya hatta yıllar geriye dönük olarak telefonda saklanan geçmiş verilerine bakılabildi. Araştırmacılar insanların attığı adım sayısı, yürüyüş hızı, çıktıkları merdiven kat sayısı, dinlenme ve hareket sırasındaki kalp hızı davranışı ve gece uykusu gibi basit ölçümleri incelediler. Katılımcılar ayrıca yaşam tarzı, ruh hali ve egzersiz ile hastalığa yönelik tutumlar hakkında soruları yanıtladılar.

Verilerin Günlük Yaşam Hakkında Söyledikleri

IPAH geliştiren kişiler, tanıdan önce bile sağlıklı gönüllülere göre daha az ve daha yavaş hareket ediyordu. Daha az adım atıyor, daha az merdiven çıkıyor ve daha yavaş yürüyorlardı. Dinlenme kalp hızları genellikle daha yüksekti ve kalp atışları arasındaki değişkenlik daha azdı—vücudun daha fazla çalıştığını ve daha az iyi adapte olduğunu gösteren işaretler. Ayrıca geceleri daha fazla uyanık geçiriyorlardı. Tanı ve tedaviden sonra bu ölçümler genellikle iyileşti: hastalar daha fazla yürüdü, daha fazla merdiven çıktı ve kalp hızları daha sakin ve esnek hale geldi; bu da klinikte yapılan standart altı dakikalık yürüme testlerinde gözlenen iyileşmeleri yansıtıyordu. Zihniyet ve yaşam tarzı anketlerine verilen yanıtlar ekstra bir katman ekledi: IPAH’li kişiler mevcut aktivite düzeylerinin faydalı olduğundan daha fazla şüphe ediyordu ve hastalığı yaşam tarzıyla değiştirilebilen bir şey yerine sabit veya genetik bir durum olarak görme eğilimindeydiler.

Bilgisayarlara Riski Tanımayı Öğretmek

Bu dijital sinyallerin IPAH’ı işaretleyip işaretleyemeyeceğini test etmek için ekip, uygulama verileri üzerinde makine öğrenimi modelleri eğitti. Yalnızca tanı öncesi bilgileri kullanarak, saat verilerine dayanan modeller (kalp hızı dahil) IPAH’ı sağlıklı ve hastalık kontrollerinden oldukça iyi ayırabildi; doğruluk ölçüsü olarak ROC AUC yaklaşık 0,87 idi. Sadece telefon aktivite verileri de güçlü performans gösterdi ve seçilmiş anket yanıtlarının—özellikle yaşam tarzı ve yaşam memnuniyetiyle ilgili olanların—eklenmesi performansı 0,94’e kadar yükseltti. Aynı yaklaşımı ABD’li ayrı bir uygulama kullanıcısı grubunda denediklerinde, başlangıçta modeller daha kötü performans gösterdi; bunun başlıca nedeni ülkeler arasındaki aktivite örüntüleri ve sağlık geçmişlerinin farklılığıydı. Ancak bu farkları hesaba katmak için küçük bir ABD verisiyle sistemi yeniden eğittiklerinde model tekrar işe yarar doğruluğa (ROC AUC yaklaşık 0,74) ulaştı; bu da bu tür araçların farklı popülasyonlara uyarlanabileceğini gösteriyor.

Bu Hastalar İçin Ne Anlama Gelebilir

Genel okuyucu için kilit mesaj şudur: attığınız adımlar, yürüyüş temposu ve günlük yaşamda kalp hızınızın verdiği tepkiler anlamlı sağlık bilgileri taşır—sadece hafifçe rahatsız hissetseniz bile. Bu çalışma, hâlâ küçük ve keşif niteliğinde olmasına rağmen, tüketici cihazları tarafından pasif olarak toplanan basit verilerin birkaç kısa anketle birleştiğinde hastane test sonuçlarını yansıtabileceğini ve ciddi ama gizli bir durumu sağlıklı veya başka sorunları olanlardan ayırmaya yardımcı olabileceğini gösteriyor. Yazarlar, böyle araçların bakım yönlendirmesi yapabilmesi için çok daha büyük ve daha çeşitli çalışmalara ihtiyaç duyulduğunu ve gözlenen örüntülerin IPAH’e özgü olmadığını vurguluyorlar. Yine de bu çalışma, telefonlar ve giyilebilir cihazların erken uyarı birlikteşleri olarak davranabileceği, hastalar ve doktorların kalp–akciğer sağlığındaki tehlikeli değişiklikleri daha az invaziv testlerle ve daha zamanında tedaviyle daha erken yakalamasına yardımcı olacağı bir geleceğe işaret ediyor.

Atıf: 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

Anahtar kelimeler: dijital sağlık, pulmoner hipertansiyon, giyilebilir sensörler, akıllı telefon izleme, tıpta makine öğrenimi