科学家在健身观察心率数据中发现隐藏的诊断

人的心脏每天跳动大约86,000次，如果你喝咖啡因或者跑步，如果你躺下或看电视就会减速，这会加速。您可能没有注意到这些波动，但您的健身追踪器确实如此，收集每个微小的电脉冲并将其小心地存放在服务器上。加利福尼亚大学旧金山分校的科学家们透露，在数百万个数据点中隐藏着可能是潜伏在一些耐力运动员心中的医疗状况的迹象。但是你不会单独用健身追踪器找到它们。

加州大学旧金山分校心脏病学部临床研究主任Gregory Marcus发现，健身追踪器是可能改变生活的医疗数据的金矿 - 但前提是你使用正确的工具来挖掘它。通过名为DeepHeart的算法解析数千名Fit Bit和Apple Watch用户的数据，他设法发现了 心房颤动 ，一种常见的，通常无症状的心脏病，可导致心脏失控。波士顿凯尔特人队成名的拉里伯德以这种状态着称。

“我们已经知道心房颤动可以是无症状的，并且在临床上未被发现，”Marcus告诉我们 逆 。他与Cardiogram合作，后者是一家应用机器学习分析心率数据，了解噪音的创业公司。 “我们将智能手表视为筛查心房纤颤的一种方法，但第一步是开发算法，以便我们能够准确地检测到它。”

一种难以察觉的疾病

伯德和网球传奇人物比利·让·金（Billie Jean King）一直没有注意到他们的职业生涯中他们患有心房颤动。为了管理它，伯德不得不继续使用血液稀释剂，这使他发展出一颗扩大的心脏，最终使他的职业生涯结束。 1999年，他透露了 体育画报 在对阵芝加哥公牛队的一场特别紧张的比赛中，由于心脏颤抖，他几乎昏倒了。

当然，它不仅影响着名运动员。一项研究发表在 荷兰心脏杂志 今年早些时候的研究表明，“老将运动员”发展房颤的可能性比训练有素的耐力运动员（如骑自行车者，越野滑雪运动员和马拉松运动员）高三到八倍。确定导致心房颤动发作的情况至关重要，因为诊断与三种主要并发症的风险较高有关：心力衰竭，心绞痛和中风。

真实生活中的数据

心房颤动很难诊断，因为它往往会来来往往。当心脏的两个上腔室发生混乱，发出导致心悸快速的电信号时，就会发生这种情况。有些人经历持续的心房颤动，但其他人只在某些条件下这样做，例如在暴饮暴食期间。持续佩戴健身追踪器的好处是数据可以识别导致病情出现的情况。

“测量结果更能反映出个人的真实情况，”他说。 “这不是您从医院或研究站点获得的典型数据，而是来自人们在家或在工作时的数据。”从这个意义上说，他可以使用DeepHeart来发现人们日常心房过滤的潜在诱因住。

健身追踪器的另一个好处是它们可以在一天中以秒为单位进行重复测量。在锻炼模式中，他们采取更频繁的测量 - 大约每五秒一次 - 这对于发现心房颤动尤其有用，因为它往往会影响那些训练特别努力但在锻炼过程中不经常发现任何奇怪的运动员。

不规则的不规则节奏

马库斯说，一些公司的心率数据比其他公司更有用。例如，一些公司将发布原始心率数据，按时间间隔组织;其他人，比如Apple，不会让科学家访问细粒度的数据。他解释说，Deepheart可以充分利用那里的不同数据类型。

它实际上并没有寻找心率模式 - 心率本身 是 模式 - 相反，它寻找随机性。 “心房颤动可以增加心率，但心率可以是正常的，最有特色的是间隔的随机性 之间 心跳，意味着绝对没有任何模式。“他解释道。他说，心房颤动是一种“不规则的不规则节律”。

DeepHeart首次在一项试验性研究中进行了测试，测试了来自9,750名参与者的1.37亿次心跳，使用基于手腕的心率传感器测量个人数据，如Apple Watch，以及来自12节点心电图的心率数据，如您所见医生的办公室。结果发表于 JAMA心脏病学 。 DeepHeart设法使用健身追踪器数据来正确识别心房纤颤的迹象，甚至超过传统上用于识别病情的两种自我报告策略。但该算法与插入数据的效果一样好：他说，使用DeepHeart可以获得更高质量的EKG数据预测（但基于手腕的数据仍然“适度”准确）。

DeepHeart与健身追踪器的整合为Marcus下一项名为mRhythm的研究提供了强有力的概念证明，该研究旨在揭示 原因 心房颤动现在，他有大约200,000个他需要做这项研究的人。这样做的好处是双重的：他庞大的数据集不仅可以帮助我们更好地了解自己的心率数据，还可以显示哪些设备可以检测出心脏病，哪些设备不能检测：

“我们工作的一个主要部分是对那些通常直接向消费​​者销售的设备进行严格的科学研究而不进行严格的研究，”他说。 “我们工作的一个主要部分就是提供这一点。”