El modelo de aprendizaje automático, fue entrenado a través de datos de dispositivos portátiles como relojes inteligentes o wearables. Fue diseñado para lograr predicciones de pruebas de laboratorio.
Estudio publicado en Nature titulado “Sensores portátiles permiten predicciones personalizadas de las mediciones de laboratorio clínico”. Es un estudio que explica la importancia de la medición y recolección datos de signos vitales, como la frecuencia cardiaca y la temperatura corporal. De esta forma es posible controlar y detectar afecciones clínicas.
“Examinamos si los signos vitales medidos por los dispositivos portátiles de los consumidores (es decir, la frecuencia cardíaca, la temperatura corporal, la actividad electrotérmica y el movimiento controlados continuamente) pueden predecir los resultados de las pruebas de laboratorio clínico utilizando modelos de aprendizaje automático”, explica el estudio.
Los resultados del estudio mostraron que los datos de signos vitales a través de wearables, brindan una descripción más precisa de la frecuencia cardiaca en reposo que las mediciones que se realizan en una clínica. Además, los datos recopilados, pueden ser utilizados para predecir diversas mediciones de signos vitales que se obtuvieron en clínica.
“El período de tiempo durante el cual se monitorean los signos vitales y la proximidad del período de monitoreo a la fecha de predicción juegan un papel fundamental en el rendimiento de los modelos de aprendizaje automático”, explica el estudio.
Los resultados mostraron que los dispositivos inteligentes portátiles comerciales, pueden utilizarse realmente para la evaluación continua y longitudinal de medidas fisiológicas que normalmente solo se podrían medir con pruebas de laboratorio.
