Носимые устройства помогут оценивать сердечно-сосудистые, почечные и метаболические риски для персональных рекомендаций

Сердечно-сосудистые заболевания, болезни почек и метаболические нарушения, включая диабет 2-го типа, связаны между собой и образуют кардиоренометаболический синдром — CKM. Его развитие может долго проходить без симптомов, а на риск влияют повседневные привычки: физическая активность, сон и работа сердечно-сосудистой системы. Смарт-часы фиксируют эти данные, но сами по себе не отвечают на вопрос, как конкретное изменение — например, дополнительные 30 минут сна или быстрая прогулка — повлияет на здоровье в ближайшие месяцы.

Источник: research.google

Возраст здоровья, который можно изменить

Обычный возраст не отражает физиологическое состояние человека: у людей, родившихся в один год, оно может заметно различаться. Некоторые биологические часы оценивают, стареет ли организм быстрее или медленнее календарного возраста, но часто они обучены предсказывать год рождения. Такие модели могут опираться на признаки, которые трудно изменить, и не показывают, как конкретная привычка повлияет на будущие показатели.

Исследователи Google описали подход в работе «Персональный коучинг здоровья через изменяемый возраст здоровья и контрфактические траектории носимых устройств» и сопутствующем исследовании «Возраст здоровья сердечно-сосудистой, почечной и метаболической систем по данным носимых устройств и биомаркеров крови». В основе подхода — три компонента:

Возраст здоровья CHA использует четыре основных показателя: пульс в покое, число шагов за день, продолжительность сна и еженедельные минуты активности в зонах нагрузки. При наличии данных модель также учитывает VO2max, регулярность режима сна и инсулинорезистентность. Показатели частично связаны между собой, поэтому модель корректирует их перекрытие: каждый из них должен вносить отдельный вклад в разницу между возрастом здоровья и календарным возрастом. Отрицательная разница, например −3 года, означает, что физиологический профиль выглядит моложе календарного возраста; положительная указывает на ускоренное старение.

Модель проверили на трёх независимых выборках:

Среди 18 423 участников All of Us без заболеваний люди, чей возраст здоровья был равен календарному или ниже него, чаще оставались без заболеваний в течение восьми лет. Двухлетние наблюдения также показали, что возраст здоровья можно заметно снизить в пределах трёхмесячных периодов.

Источник: research.google

Как SensorWM моделирует перемены

Возраст здоровья показывает состояние человека на данный момент. Для персонального плана нужно оценить, что произойдёт за следующие 12 недель, если изменить отдельные привычки, и какой вариант человеку будет реально соблюдать.

Простой калькулятор с новыми целями по шагам или сну не учитывает, как организм приспосабливается к изменениям. Если человек несколько недель больше двигается и лучше спит, со временем может измениться и пульс в покое, а также вариабельность сердечного ритма. Эти перемены влияют на последующие показатели здоровья.

SensorWM — модель мира, учитывающая заданные действия. Её предварительно обучили на обезличенных данных 2,28 млн человеко-недель примерно от 100 000 пользователей Fitbit, давших согласие на использование данных. По двум неделям исходных наблюдений модель прогнозирует изменения 20 физиологических показателей на протяжении следующих 12 недель при разных режимах шагов, сна и кардионагрузки. В исследовании SensorWM превзошла универсальные модели временных рядов, такие как TimesFM, и при этом сохраняла клинические закономерности, связанные с диабетом, гипертонией и инсулинорезистентностью.

Для подготовки планов SensorWM объединили с оптимизатором, учитывающим реализуемость привычек, и языковым агентом:

Источник: research.google

Проверка рекомендаций специалистами

Исследователи сравнили рекомендации языковой модели, полученные с опорой на симуляции SensorWM, с планами той же модели, которой предоставили только историю носимых устройств пользователя. В слепом исследовании участвовали пять сертифицированных специалистов по здоровому образу жизни и пять врачей первичной помощи и медицины образа жизни с профильной сертификацией. Они оценили 49 профилей участников, представлявших пять поведенческих типов: всего провели 490 парных оценок. Кроме того, автоматическую оценку выполнили на всей выборке WEAR-ME из 2 780 человек.

Источник: research.google

Как анализы крови дополняют данные устройств

Поскольку модель возраста здоровья модульная, к ней можно добавлять результаты обычных клинических анализов. В сопутствующем исследовании авторы расширили подход для оценки CKM по отдельным системам органов: непрерывные данные носимых устройств объединили с анализами крови, которые сами по себе не отражают повседневные привычки.

Источник: research.google

В исследовании участвовали 819 человек из WEAR-ME. Модель сочетала данные об активности, пульсе в покое, продолжительности сна и активных минутах в зонах нагрузки с тремя лабораторными показателями:

Модель оценивала, насколько каждый показатель отклоняется от клинических порогов здорового состояния, и переводила отклонение в нормированную оценку. Результаты показали, что старение разных систем органов не укладывается в один общий сценарий: метаболические и сердечно-сосудистые нарушения часто связаны между собой, тогда как раннее ухудшение работы почек нередко проявляется независимо. Разница между возрастом здоровья CKM и календарным возрастом тесно соотносилась с клиническими оценками — модифицированной Life’s Essential 8 (r = −0,58) и тяжестью метаболического синдрома (r = 0,65), — а также с тем, насколько здоровыми участники чувствовали себя в повседневной жизни.

Источник: research.google

На уровне всей выборки показатели состояния почек, метаболической и сердечно-сосудистой систем различались между участниками: у одних они были лучше референсных значений, у других показывали скрытые отклонения. Это подчёркивает, почему оценка нескольких систем может дать более подробную картину, чем единый показатель возраста здоровья.

Авторы рассматривают эти результаты как основу для будущих проспективных испытаний, которые проверят, помогают ли интерактивные сценарии «что, если» закреплять привычки и улучшать здоровье в долгосрочной перспективе. Пока оценки проводили офлайн на ретроспективных исследовательских выборках, а модели остаются исследовательскими прототипами и не предназначены для клинической диагностики. По оценке Dataist, главный результат здесь — проверка того, может ли моделирование возможных изменений сделать рекомендации полезнее для специалистов и участников. Но данные пока не подтверждают, что такие планы действительно приводят к устойчивым изменениям здоровья в обычной жизни.