Ein am Handgelenk getragener Gesundheits-Tracker, der normalerweise zur Überwachung der Fruchtbarkeit verwendet wird, könnte verwendet werden, um eine Covid-19-Infektion Tage vor dem Auftreten von Symptomen zu diagnostizieren, wie neue Forschungsergebnisse nahelegen.
In Kombination mit künstlicher Intelligenz (KI) erfasst der Tracker Änderungen der Hauttemperatur, der Herz- und Atemfrequenz, des Blutflusses sowie der Schlafmenge und -qualität, um festzustellen, ob eine Person mit dem Coronavirus infiziert wurde.
Laut der Studie, die seit Beginn der Pandemie 1.163 Personen unter 51 Jahren begleitete, wurden 68 Prozent der Covid-Fälle zwei Tage vor dem Auftreten der Symptome erfolgreich diagnostiziert.
Es besteht die Hoffnung, dass eine schnellere Diagnose von Covid-19 eine frühzeitige Isolierung erleichtern und dazu beitragen könnte, die Ausbreitung des Virus einzudämmen.
Die Forscher testeten das AVA-Armband, einen Fruchtbarkeits-Tracker, den Menschen online kaufen können, um den besten Zeitpunkt für eine Empfängnis zu verfolgen, und wollten sehen, ob physiologische Veränderungen, die vom Tracker überwacht werden, zur Entwicklung eines maschinellen Lernalgorithmus zur Identifizierung einer Infektion verwendet werden könnten .
Die Teilnehmer der Studie wurden gebeten, das AVA-Armband nachts zu tragen, wobei das Gerät alle 10 Sekunden Daten speichert. Menschen müssen mindestens vier Stunden schlafen, damit es funktioniert.
Die Armbänder wurden mit einer Smartphone-App synchronisiert, wobei die Personen alle Aktivitäten aufzeichneten, die sich auf die Ergebnisse auswirken könnten, wie z. B. Alkohol, verschreibungspflichtige Medikamente und Freizeitdrogen. Dabei erfassten sie auch mögliche Covid-19-Symptome wie Fieber.
Alle Teilnehmer der Studie unterzogen sich regelmäßigen Antikörper-Schnelltests für Covid, während diejenigen mit Symptomen auch einen PCR-Tupfertest durchführten.
Insgesamt wurden 1,5 Millionen Stunden an physiologischen Daten aufgezeichnet und Covid wurde bei 127 Personen bestätigt, von denen 66 (52 Prozent) ihr Gerät an mindestens 29 aufeinanderfolgenden Tagen getragen hatten und in die Analyse einbezogen wurden.
Die in der Zeitschrift BMJ Open veröffentlichte Studie stellte fest, dass es während der Inkubationszeit der Infektion, der Zeit vor dem Auftreten der Symptome, des Auftretens der Symptome und während der Genesung im Vergleich zur Nichtinfektion signifikante Veränderungen im Körper gab.
Insgesamt identifizierten der Tracker und der Computeralgorithmus 68 Prozent der Covid-19-positiven Personen zwei Tage vor dem Auftreten ihrer Symptome.
Das Team, darunter auch vom Cardiovascular Research Institute of Basel, kam zu dem Schluss, dass die Forschung Grenzen hatte, einschließlich der Tatsache, dass nicht alle Covid-Fälle erfasst wurden.
Sie fügten jedoch hinzu: „Die tragbare Sensortechnologie kann die Erkennung von Covid-19 während der präsymptomatischen Phase ermöglichen.
„Wearable Sensor Technology ist eine benutzerfreundliche, kostengünstige Methode, mit der Einzelpersonen ihre Gesundheit und ihr Wohlbefinden während einer Pandemie verfolgen können.
„Unsere Forschung zeigt, wie diese Geräte in Verbindung mit künstlicher Intelligenz die Grenzen der personalisierten Medizin erweitern und Krankheiten vor dem Auftreten von Symptomen erkennen und so möglicherweise die Virusübertragung in Gemeinden reduzieren können.“
Der Algorithmus wird jetzt in einer viel größeren Gruppe (20.000) von Menschen in den Niederlanden getestet, mit Ergebnissen, die später in diesem Jahr erwartet werden.
Während ein PCR-Test der Goldstandard für die Bestätigung einer Covid-Infektion bleibt, „deuten unsere Ergebnisse darauf hin, dass ein tragbarer Algorithmus für maschinelles Lernen ein vielversprechendes Werkzeug für die präsymptomatische oder asymptomatische Erkennung von Covid-19 sein könnte“, schrieben die Autoren.
„Diese Geräte können zusammen mit künstlicher Intelligenz die Grenzen der personalisierten Medizin erweitern und Krankheiten im Voraus erkennen [symptom occurrence]was möglicherweise die Virusübertragung in Gemeinden reduziert.“