A caccia di Sars-CoV-2 con i dispositivi indossabili

A cura de Il Pensiero Scientifico Editore

 

Dei sei criteri illustrati dal direttore generale dell’Organizzazione Mondiale della Sanità, Tedros Adhanom Ghebreyesus, lo scorso aprile in un tweet, vi era anche quello in cui si afferma che il sistema sanitario debba essere in grado di “rilevare, testare, isolare e trattare ogni caso di persona infetta e di tracciare ogni suo contatto”. Ovvero la strategia delle cosiddette “tre T” (testare, tracciare, trattare). Ad oggi, almeno in Italia, sembrerebbe che ci siano grandi difficoltà nel metterla in pratica. Ma dalla rinomata località californiana, La Jolla, arriva un’alternativa allo screening tradizionale, proposta da un gruppo di esperti dello Scripps Research Translational Institute. I ricercatori – tra cui anche il cardiologo di fama internazionale, Eric J. Topol – riportano, in un articolo pubblicato su Nature Medicine, i risultati della loro analisi, in cui “esplorano se i dati derivanti dai dispositivi indossabili personali, raccolti nel tempo, possono aiutare a identificare sottili cambiamenti che indichino un’infezione, come nei pazienti con Covid-19” (1).

Giorgio Quer, direttore del Dipartimento di intelligenza artificiale dell’istituto californiano, e colleghi hanno “creato una piattaforma di ricerca basata su una app – DETECT (Digital Engagement and Tracking for Early Control and Treatment) – dove le persone potevano condividere i dati dei sensori, i sintomi, le diagnosi e i dati delle cartelle cliniche elettroniche con l’obiettivo di migliorare la capacità di identificare e monitorare le malattie virali sia a livello individuale sia collettivo, incluso la malattia Covid-19”. Uno studio precedente, come riportano i ricercatori su Nature Medicine, aveva scoperto che i sintomi segnalati dagli utenti, in base ai dati raccolti tramite un’app, erano in grado di aiutare a distinguere tra individui positivi e negativi a Sars-CoV-2. Alla luce di questi risultati, scopo di questo studio “è esaminare se i dati derivanti dai sensori, quali frequenza cardiaca a riposo, monitoraggio del sonno e l’attività fisica possono essere utilizzati per identificare sottili cambiamenti” nelle persone; questa analisi “potrebbe indicare che stanno venendo in contatto con una malattia virale”. Sono stati arruolati oltre 30 mila partecipanti, nel periodo compreso tra il 25 marzo e il 7 giugno 2020, di cui 3.811 hanno riportato sintomi. Di questi individui sintomatici, 54 hanno riferito di essere risultati positivi e 279 negativi per covid-19.

I dati: frequenza cardiaca, sonno e attività

Una minoranza di partecipanti sintomatici (30,3%) testatati per Covid-19 aveva una frequenza cardiaca a riposo maggiore di due deviazioni standard al di sopra del valore basale medio durante i sintomi. La variazione di frequenza cardiaca a riposo da sola non ha consentito una distinzione significativa tra i positivi e i negativi. Il sonno e l’attività hanno mostrato una differenza significativa tra i due gruppi, a supporto del fatto che Covid-19 ha avuto un impatto significativamente maggiore su questi due aspetti nei partecipanti positivi rispetto a quelli negativi.

“I nostri risultati – affermano i ricercatori dell’Istituto californiano – mostrano che i cambiamenti individuali nelle misurazioni fisiologiche acquisite dalla maggior parte degli smartwatch e degli activity tracker sono in grado di migliorare significativamente la distinzione tra individui sintomatici con e senza una diagnosi di Covid-19 oltre ai soli sintomi. Sebbene incoraggianti, questi risultati si basano su un campione relativamente piccolo di partecipanti”.

Poiché la risposta sintomatica varia a seconda dell’individuo che contrae l’infezione, “è probabile che anche i loro cambiamenti fisiologici misurabili varieranno. Per questo motivo, è possibile che i cambiamenti biometrici possano essere maggiormente utili per identificare quelli a più alto rischio di scompenso piuttosto che solo una distinzione dicotomica nello stato di infezione. (…) La maggior parte dei partecipanti sintomatici al nostro studio non è stata sottoposta a test”. Tuttavia, Quer e colleghi prevedono che, “dei 3.478 partecipanti sintomatici che non sono stati sottoposti a test diagnostici, 1.061 sarebbero risultati positivi. Di conseguenza, la capacità di distinguere tra casi positivi e negativi a Sars-Cov-2 in base ai sintomi e ai dati del sensore può cambiare nel tempo con l’aumentare dei test e con l’aumento di altre malattie delle vie respiratorie superiori come l’influenza stagionale”.

Identificare gli asintomatici

“L’identificazione precoce di individui infetti sintomatici e pre-sintomatici sarebbe particolarmente utile poiché la trasmissione è diffusa e le persone possono potenzialmente essere ancora più contagiose durante questo periodo”. Anche in assenza di sintomi, i ricercatori suggeriscono che, sulla base delle evidenze, la maggior parte delle persone riscontra un danno polmonare alle immagini TC e un gran numero di queste presenta anomalie nei marcatori infiammatori, nella conta delle cellule del sangue e negli enzimi epatici. “Poiché la profondità e la diversità dei tipi di dati provenienti dai sensori personali continuano ad espandersi – come la variabilità della frequenza cardiaca, la frequenza respiratoria, la temperatura, la saturazione di ossigeno e persino la pressione sanguigna continua, la gittata cardiaca e la resistenza vascolare sistemica – la capacità di rilevare sottili cambiamenti individuali in risposta ad attacchi virali precoci potrà potenzialmente migliorare e consentire l‘identificazione di individui senza sintomi”.

I risultati riportati dal gruppo di ricerca dello Scripps Research Translational Institute “suggeriscono che i dati dei sensori possono migliorare in modo incrementale i modelli basati sui soli sintomi per poter effettuare una distinzione tra individui sintomatici Covid-19 positivi e Covid-19 negativi, con il potenziale per migliorare la nostra capacità di identificare un cluster prima che si verifichi una maggiore diffusione”.

 

Bibliografia

Quer G, Radin JM, Gadaleta M, et al. Wearable sensor data and self-reported symptoms for COVID-19 detection.  Nat Med (2020). https://doi.org/10.1038

Share on facebook
Facebook
Share on twitter
Twitter