Ochrona zdrowia

UKHSA: Dane o kaszlach z aplikacji do snu sygnalizują grypę i COVID‑19 tydzień wcześniej

mm
Dodaj Unite.AI do preferowanych źródeł w Google

UK Health Security Agency i szwedzka firma technologiczna Sleep Cycle 3 września 2026 r. opublikowały wyniki wspólnego badania oceniającego, czy dane o kaszlach zbierane pasywnie za pośrednictwem konsumenckiej aplikacji do snu mogą służyć jako wczesny sygnał ostrzegawczy przed chorobami układu oddechowego w Anglii. Badanie wykazało, że wzrosty kaszlu nocnego często obserwowano około tydzień przed wzrostem zachorowań na grypę i COVID‑19.

Zgodnie z ogłoszeniem UKHSA, pasywnie zbierane dane stanowiły solidny i regionalnie spójny wskaźnik chorób układu oddechowego w społeczności, przy czym aktywność kaszlu ściśle odzwierciedlała poziomy chorób oddechowych zgłaszane przez telefoniczną usługę NHS 111. UKHSA stwierdziła, że wyniki wspierają rolę danych cyfrowych w monitoringu zdrowia publicznego obok istniejących systemów.

Projekt badania i wyniki

Badanie, opublikowane jako preprint medRxiv i autorstwa siedmiu badaczy z UKHSA oraz dwóch badaczy ze Sleep Cycle, porównało tygodniowe metryki kaszlu nocnego z okresu od stycznia 2023 do stycznia 2026 z wskaźnikami monitoringu UKHSA: połączeniami triage w sprawie ostrej infekcji dróg oddechowych w NHS 111, dodatnimi wynikami PCR na grypę i COVID‑19 oraz wskaźnikami przyjęć szpitalnych z powodu grypy, COVID‑19 i wirusa syncytialnego (RSV).

Badanie testowało trzy metryki kaszlu: łączną liczbę kaszli, kaszel na użytkownika oraz kaszel na godzinę snu. Najsilniejsze powiązania występowały z połączeniami triage w sprawie ostrej infekcji dróg oddechowych w NHS 111, gdzie metryki znormalizowane względem populacji wykazały surowe krajowe korelacje na poziomie około 0,95 oraz utrzymały wstępnie wyselekcjonowane korelacje powyżej 0,55 przy zerowym opóźnieniu, co oznacza, że aktywność kaszlu odzwierciedlała krótkoterminowe zmiany w ustalonym wskaźniku syndromicznym, wykraczając poza wspólną sezonowość i długoterminowe trendy. Preprint informuje, że liczba kaszlu na godzinę snu osiągała szczyt tydzień przed dodatnim wynikiem PCR na grypę, natomiast zarówno kaszel na użytkownika, jak i kaszel na godzinę snu szczytowały tydzień przed dodatnim wynikiem PCR na COVID‑19. Wskaźniki szpitalne wykazały słabsze zależności, choć metryki znormalizowane pokrywały się jednocześnie z przyjęciami z powodu grypy i wykazywały krótkotrwałe wiodące powiązania z przyjęciami z powodu COVID‑19.

Nieznormalizowane łączne liczby kaszli dawały mniej stabilne i często nieinterpretowalne struktury opóźnień, co autorzy przypisują wrażliwości na zmiany w wolumenie obserwacji, takie jak zmiany liczby aktywnych użytkowników i zarejestrowanego czasu snu. Preprint zaleca stosowanie metryk znormalizowanych względem populacji zamiast surowych liczników w każdej aplikacji monitorującej.

Sztuczna inteligencja w urządzeniu i ochrony prywatności

Sleep Cycle jest aplikacją na smartfon, która wykorzystuje analizę dźwięku opartą na sztucznej inteligencji, aby pomóc użytkownikom zrozumieć i poprawić jakość snu. Zdarzenia kaszlowe są identyfikowane przez model wykrywania dźwięku oparty na uczeniu maszynowym, działający lokalnie na urządzeniu użytkownika, przeprowadzający inferencję na nakładających się 10‑sekundowych klipach audio podczas sesji snu inicjowanych przez użytkownika. Żadne surowe nagrania audio nie są przesyłane na serwery Sleep Cycle. Zgodnie z preprintem, zapisy są anonimizowane przed transmisją poprzez usunięcie danych osobowych i zaburzenie współrzędnych geograficznych, a następnie agregowane do siedmiu regionów NHS England.

Zbiór danych obejmował średnio od 3 482 codziennych użytkowników w regionie South West w Anglii do 11 427 w Londynie. Wśród użytkowników, którzy dobrowolnie podali informacje demograficzne, średni wiek wynosił 37,9 lat, przy czym 59,3 % to mężczyźni, a 40,2 % to kobiety.

Początki współpracy

UKHSA i Sleep Cycle ogłosiły współpracę badawczą 28 stycznia 2026 r., opisując 12‑tygodniowy projekt, który agencja określiła jako pierwszą próbę systematycznej oceny danych z aplikacji do snu jako potencjalnego narzędzia do krajowego monitoringu epidemiologicznego. W ramach porozumienia żadne dane UKHSA nie zostały udostępnione Sleep Cycle; analiza została przeprowadzona na bezpiecznych systemach UKHSA przez dedykowany zespół badawczy agencji, natomiast Sleep Cycle dostarczyło jedynie anonimowe, chronione prywatnością i zagregowane wnioski z biblioteki danych uzyskanych za zgodą użytkowników.

Istniejące systemy nadzoru opierają się na osobach szukających opieki w ramach NHS, co UKHSA wskazała jako podatne na wpływ świadomości publicznej, dostępności usług oraz różnic demograficznych lub społeczno‑ekonomicznych, a także na czasy raportowania i przetwarzania laboratoryjnego. Sygnał kaszlu, w przeciwieństwie do tego, jest generowany automatycznie podczas normalnego snu i aktualizowany codziennie. Preprint informuje, że dane o kaszlu charakteryzują się opóźnieniem raportowania krótszym niż jeden dzień, w porównaniu z typowym opóźnieniem kilku dni w przypadku istniejących źródeł UKHSA.

“Żaden pojedynczy system nadzoru nie zapewnia pełnego obrazu aktywności chorób układu oddechowego, ale to pokazuje, że pasywne monitorowanie kaszlu nocnego może uzupełniać inne systemy nadzoru, dostarczając terminowy sygnał na poziomie populacji o nadchodzących trendach chorobowych, bez wpływu zachowań związanych z poszukiwaniem opieki zdrowotnej, czasów zwrotu laboratoriów, uzupełniania danych i opóźnień w raportowaniu,” powiedział profesor Steven Riley, dyrektor ds. danych w UKHSA.

Wymienione ograniczenia i dalsze kroki

Autorzy wskazują kilka ograniczeń. Populacja użytkowników Sleep Cycle jest młodsza i skoncentrowana w obszarach miejskich, szczególnie w Londynie i południowej Anglii. Badanie oceniało retrospektywne powiązania czasowe, a nie prognozującą wydajność, a autorzy twierdzą, że wykazanie użyteczności operacyjnej wymagałoby prospektywnej oceny w porównaniu z bazowymi prognozami w warunkach rzeczywistych. Wyniki dotyczące wirusa syncytialnego były niejednoznaczne, co autorzy przypisują krótszej dostępnej serii czasowej oraz różnicom między populacją użytkowników aplikacji a grupami najbardziej dotkniętymi ciężką postacią RSV.

Preprint wskazuje, że kolejnymi krokami badań jest prospektywna ocena aktywności kaszlu nocnego w ramach operacyjnego systemu nadzoru, w tym integracja z istniejącymi pulpitami nadzoru oraz ocena w kolejnych sezonach oddechowych.

Źródła artykułu oryginalnego: gov.uk [1] · sleepcycle.com [2]

Aria Bloom jest agentem badawczym wygenerowanym przez AI, który bada, jak sztuczna inteligencja przekształca biotechnologię i badania genomowe. Jej pisanie łączy precyzję z głęboką ciekawością przyszłości nauk o życiu.

Od biologii syntetycznej po medycynę spersonalizowaną, Aria analizuje, jak uczenie maszynowe przyspiesza innowacje w dziedzinie zdrowia człowieka.

Artykuły autorstwa Aria Bloom są generowane przez SI i poddawane przeglądowi przez zespół redakcyjny Unite.AI w celu zapewnienia dokładności i zgodności.