Os níveis de condicionamento físico podem ser previstos com precisão usando dispositivos vestíveis – nenhum exercício é necessário

Os pesquisadores de Cambridge desenvolveram um método para medir o condicionamento físico geral com precisão em dispositivos vestíveis – e de forma mais robusta do que os smartwatches e monitores de condicionamento físico atuais – sem que o usuário precise se exercitar.

Normalmente, os testes para medir com precisão o VO2max – uma medida chave da ginástica e um importante preditor de doenças cardíacas e risco de mortalidade – requerem equipamentos de laboratório caros e são limitados principalmente a atletas de elite. O novo método usa aprendizado de máquina para prever o VO2max – a capacidade do corpo de realizar trabalho aeróbico – durante a atividade diária, sem a necessidade de informações contextuais, como medições de GPS.

No que é de longe o maior estudo desse tipo, os pesquisadores coletaram dados de atividade de mais de 11.000 participantes do Fenland Study usando sensores vestíveis, com um subconjunto de participantes testados novamente sete anos depois. Os pesquisadores usaram os dados para desenvolver um modelo para prever o VO2max, que foi então validado contra um terceiro grupo que realizou um teste de exercício padrão baseado em laboratório. O modelo mostrou um alto grau de precisão em comparação com testes baseados em laboratório e supera outras abordagens.

Alguns smartwatches e monitores de fitness atualmente no mercado afirmam fornecer uma estimativa do VO2max, mas como os algoritmos que alimentam essas previsões não são publicados e estão sujeitos a alterações a qualquer momento, não está claro se as previsões são precisas ou se um regime de exercícios está tendo algum efeito no VO2max de um indivíduo ao longo do tempo.

O modelo desenvolvido pela Cambridge é robusto, transparente e fornece previsões precisas com base em frequência cardíaca e dados do acelerômetro apenas. Como o modelo também pode detectar mudanças no condicionamento físico ao longo do tempo, ele também pode ser útil para estimar os níveis de condicionamento físico de populações inteiras e identificar os efeitos das tendências do estilo de vida. Os resultados são relatados na revista npj medicina digital.

Uma medição do VO2max é considerada o ‘padrão ouro’ dos testes de condicionamento físico. Atletas profissionais, por exemplo, testam seu VO2max medindo seu consumo de oxigênio enquanto se exercitam até a exaustão. Existem outras formas de medir o condicionamento físico em laboratório, como a resposta da frequência cardíaca a testes de exercício, mas isso requer equipamentos como esteira ou bicicleta ergométrica. Além disso, o exercício extenuante pode ser um risco para alguns indivíduos.

“O VO2max não é a única medida de condicionamento físico, mas é importante para a resistência e é um forte preditor de diabetes, doenças cardíacas e outros riscos de mortalidade”, disse o co-autor Dr. Soren Brage, da Unidade de Epidemiologia do MRC de Cambridge. “No entanto, como a maioria dos testes de VO2max são feitos em pessoas que estão razoavelmente em forma, é difícil obter medições daqueles que não estão tão em forma e podem estar em risco de doença cardiovascular”.

“Queríamos saber se era possível prever com precisão o VO2max usando dados de um dispositivo vestível, de modo que não houvesse necessidade de um teste de exercício”, disse o coautor Dr. Dimitris Spathis, do Departamento de Ciência e Tecnologia da Computação de Cambridge. . “Nossa questão central era se os dispositivos vestíveis podem medir o condicionamento físico na natureza. A maioria dos vestíveis fornece métricas como frequência cardíaca, passos ou tempo de sono, que são indicadores de saúde, mas não estão diretamente ligados a resultados de saúde.”

O estudo foi uma colaboração entre os dois departamentos: a equipe da Unidade de Epidemiologia do MRC forneceu experiência em saúde da população e condicionamento cardiorrespiratório e dados do Fenland Study—um estudo de saúde pública de longa duração no leste da Inglaterra—enquanto a equipe do O Departamento de Ciência e Tecnologia da Computação forneceu expertise em aprendizado de máquina e inteligência artificial para dados móveis e vestíveis.

Os participantes do estudo usavam dispositivos vestíveis continuamente por seis dias. Os sensores coletaram 60 valores por segundo, resultando em uma enorme quantidade de dados antes do processamento. “Tivemos que projetar um pipeline de algoritmo e modelos apropriados que pudessem compactar essa enorme quantidade de dados e usá-los para fazer uma previsão precisa”, disse Spathis. “A natureza livre dos dados torna essa previsão desafiadora porque estamos tentando prever um resultado de alto nível (fitness) com dados ruidosos de baixo nível (sensores vestíveis)”.

Os pesquisadores usaram um modelo de IA conhecido como rede neural profunda para processar e extrair informações significativas dos dados brutos do sensor e fazer previsões de VO2max a partir deles. Além das previsões, os modelos treinados podem ser usados ​​para a identificação de subpopulações com necessidade particular de intervenção relacionada ao condicionamento físico.

Os dados iniciais de 11.059 participantes no Fenland Study foram comparados com dados de acompanhamento de sete anos depois, obtidos de um subconjunto de 2.675 dos participantes originais. Um terceiro grupo de 181 participantes do UK Biobank Validation Study foi submetido a testes de VO2max baseados em laboratório para validar a precisão do algoritmo. O modelo de aprendizado de máquina teve forte concordância com as pontuações medidas de VO2max tanto na linha de base (82% de concordância) quanto no teste de acompanhamento (72% de concordância).

“Este estudo é uma demonstração perfeita de como podemos alavancar conhecimentos em epidemiologia, saúde pública, aprendizado de máquina e processamento de sinal”, disse o co-autor Dr. Ignacio Perez-Pozuelo.

Os pesquisadores dizem que seus resultados demonstram como os wearables podem medir com precisão o condicionamento físico, mas a transparência precisa ser melhorada para que as medições de wearables disponíveis comercialmente sejam confiáveis.

“É verdade que, em princípio, muitos monitores de fitness e smartwatches fornecem uma medição do VO2max, mas é muito difícil avaliar a validade dessas afirmações”, disse Brage. “Os modelos geralmente não são publicados e os algoritmos podem mudar regularmente, tornando difícil para as pessoas determinar se sua aptidão realmente melhorou ou se está apenas sendo estimada por um algoritmo diferente”.

“Tudo no seu smartwatch relacionado à saúde e condicionamento físico é uma estimativa”, disse Spathis. “Somos transparentes sobre nossa modelagem e fizemos isso em escala. Mostramos que podemos obter melhores resultados com a combinação de dados ruidosos e biomarcadores tradicionais. Além disso, todos os nossos algoritmos e modelos são de código aberto e todos podem usá-los. “

“Mostramos que você não precisa de um teste caro em um laboratório para obter uma medição real do condicionamento físico – os vestíveis que usamos todos os dias podem ser igualmente poderosos, se tiverem o algoritmo certo por trás deles”, disse o autor sênior Professora Cecilia Mascolo do Departamento de Ciência e Tecnologia da Computação. “O cardiofitness é um marcador de saúde tão importante, mas até agora não tínhamos os meios para medi-lo em escala. Essas descobertas podem ter implicações significativas para saúde da população políticas, para que possamos ir além de proxies de saúde mais fracos, como o Índice de Massa Corporal (IMC).”