Wearables ermöglichen personalisierte Vorhersage

Vitalparameter sind bei der Erkennung oder Überwachung von Krankheiten sehr nützlich. Sie werden aber typischerweise in der Klinik gemessen und benötigen außerdem weiterführende Labortests für definitivere Diagnosen.

Eine amerikanische Studie unter Leitung von Forschenden der Stanford University School of Medicine (USA) untersuchte, ob Vitalparameter, wie sie von tragbaren Geräten (Wearables) für Verbraucher gemessen werden (d. h. kontinuierlich überwachte Herzfrequenz, Körpertemperatur, elektrodermale Aktivität und Bewegung), mithilfe von maschinellen Lernmodellen, einschließlich Random-Forest- und Lasso-Modellen, klinische Labortestergebnisse vorhersagen können. Und tatsächlich konnten die Wearables eine konsistentere und präzisere Darstellung der Ruheherzfrequenz liefern als Messungen, die in der Klinik durchgeführt wurden.

Zudem können von Wearables erfasste Vitaldaten auch mehrere klinische Labormessungen mit einem geringeren Vorhersagefehler liefern als Vorhersagen, die mit klinisch gewonnenen Vitaldatenmessungen gemacht werden, erläutern die Studienautoren. Die Länge des Zeitraums, über den die Vitalparameter überwacht werden, und die Nähe des Überwachungszeitraums zum Zeitpunkt der Vorhersage spielen dabei eine entscheidende Rolle für die Leistung der maschinellen Lernmodelle.

Fazit
„Diese Ergebnisse zeigen den Wert kommerzieller tragbarer Geräte für die kontinuierliche und longitudinale Bewertung physiologischer Messungen, die heute nur mit klinischen Labortests geleistet werden können“, bilanzieren Erstautorin Jessilyn Dunn und Kollegen in „Nature Medicine“. (ah)

Autoren: Dunn J et al.
Korrespondenz: Jessilyn Dunn; [email protected]
Studie: Wearable sensors enable personalized predictions of clinical laboratory measurements
Quelle: Nat Med 2021;27(6):1105–1112.
Web: https://doi.org/10.1038/s41591-021-01339-0