La IA del anillo Oura ayuda a jugadores NBA a detectar COVID‑19 días antes

El COVID‑19 sigue siendo una preocupación de titulares, y el sector deportivo profesional es una de sus víctimas más visibles. Cuando la NBA y WNBA reanudaron el juego bajo protocolos de aislamiento en julio, los equipos ofrecieron a los atletas la opción de usar el Anillo Oura para monitorizar continuamente su salud.

Según Oura, los algoritmos de IA del anillo pueden señalar la probabilidad de síntomas de COVID‑19 hasta tres días antes de que aparezcan, presumiendo una tasa de precisión del 90%.

La plataforma de analíticas del anillo, construida en asociación con el Instituto de Neurociencia Rockefeller en la Universidad de West Virginia, aprovecha modelos de machine‑learning que ingieren datos fisiológicos crudos de los sensores embebidos del dispositivo. Estos modelos predicen cuándo el cuerpo de un jugador podría comenzar a reaccionar a una infección.

Los flujos de datos clave incluyen métricas de volumen de pulso sanguíneo —usadas para calcular frecuencia cardíaca, variabilidad de frecuencia cardíaca y frecuencia respiratoria— junto con temperatura, movimiento de mano y timestamps precisos. Todos los datos se sincronizan a una app complementaria de smartphone, que luego transmite la información al motor de IA basado en cloud para análisis en tiempo real.

Más allá de una sonda de temperatura y acelerómetro, el Anillo Oura alberga un sensor de fotopletismografía (PPG), una tecnología largamente empleada en dispositivos médicos y wearables de muñeca. Dependiendo de la colocación, una unidad PPG puede usar uno o más LEDs rojo/infrarrojo, LEDs verdes, o una combinación de ambos, junto con un fotodetector que mide luz reflejada o transmitida para derivar parámetros fisiológicos como frecuencia cardíaca y volumen sanguíneo.

Los LEDs infrarrojos (IR) penetran capas de tejido más profundas —llegando al músculo— y así proveen señales hemodinámicas más ricas. Sin embargo, son más vulnerables a artefactos de movimiento y variaciones de temperatura. Los LEDs verdes, por contraste, son menos afectados por movimiento pero proveen muestreo de tejido más superficial. Al incorporar un acelerómetro para capturar dirección de movimiento, los diseñadores de Oura mitigan ruido de movimiento y habilitan el uso de LEDs IR en entornos reales.

Como se ilustra abajo, un sensor PPG emite luz que es reflejada o transmitida a través de tejido, con la señal resultante capturada por un fotodiodo.

Unidades PPG típicas combinan emisores LED, detectores ópticos y electrónica de procesamiento de señal. Luz modulada en pulso y detección síncrona reducen consumo de potencia y rechazan interferencia de luz ambiente.

Por ejemplo, el módulo ADPD144RI de Analog Devices cuenta con dos LEDs rojos de 660 nm y dos LEDs IR de 880 nm, emparejados con un fotodetector de cuatro segmentos optimizado para estas longitudes de onda. El front‑end analógico del dispositivo realiza amplificación transimpedancia, rechazo de luz ambiente y ganancia programable antes de convertir la señal a forma digital vía ADCs y acumular los resultados para procesamiento downstream.

El ADPD144RI está diseñado para operar de –40 °C a +85 °C, con tolerancia de temperatura de unión LED de 105 °C y rating ESD de 3000 kV —haciéndolo adecuado para despliegues médicos rigurosos en interiores.

La tecnología PPG data de los 1930s y ahora impulsa una creciente variedad de wearables médicos y de consumo. Medgadget reportó en abril 2020 que el mercado global de wearables médicos se valoraba en casi $13B en 2019 y se proyecta dispararse a casi $38B para 2025.

Mientras el Anillo Oura representa un paso prometedor adelante, sus capacidades predictivas aún están siendo validadas. Limitaciones clave incluyen el número limitado de estudios independientes sobre detección de COVID‑19 por wearables, susceptibilidad a errores de medición inducidos por movimiento, y el desajuste entre inicio de síntomas y transmisibilidad pico. La FDA no ha aprobado aún ningún dispositivo wearable para detección de COVID‑19.

>> Este artículo fue publicado originalmente en nuestro sitio hermano, EDN.