- Jesienią wzrasta liczba infekcji dróg oddechowych (grypa, RSV, COVID-19 itp.), a system ochrony zdrowia często jest przeciążony, co wydłuża czas diagnozy i leczenia.
- Nowoczesne smartwatche i opaski monitorujące mierzą wiele parametrów fizjologicznych – tętno, HRV (zmienność rytmu serca), sen, aktywność, temperaturę skóry i saturację – które mogą sygnalizować wczesne oznaki infekcji.
- Badania pokazują, że sztuczna inteligencja analizująca dane z urządzeń mobilnych potrafi wykryć infekcję nawet na 1-3 dni przed wystąpieniem objawów klinicznych, z dokładnością sięgającą 90 proc.
- Algorytmy, takie jak CovidRhythm, wykorzystują wzorce dobowej aktywności i parametry organizmu, by rozpoznać wczesne symptomy COVID-19 i innych infekcji.
- Wciąż istnieje jednak wiele wyzwań: różna jakość danych między urządzeniami, zakłócenia pomiarów, małe grupy badawcze oraz kwestie bezpieczeństwa i ochrony danych osobowych.
- AI nie zastąpi lekarza, ale może stać się cennym narzędziem wspomagającym diagnostykę, profilaktykę i wczesne ostrzeganie o ogniskach infekcji w populacji.
Wspomaga odbudowę mikroflory jelitowej np. po infekcjach, po antybiotykoterapii, podczas podróży do...
Wspiera prawidłowe funkcjonowanie układu odpornościowego, a także uzupełnienia codzienną dietę w sel...
Wspomaga prawidłowe działanie układu odpornościowego.
Wspiera prawidłowe funkcjonowanie układu odpornościowego. Zawiera Miód Manuka uzyskiwany z nektaru k...
Na wzmocnienie odporności. Zawiera beta-glukan.
Wsparcie układu odpornościowego, odbudowy mikroflory jelitowej oraz regeneracji nabłonka jelitowego...
Sezon infekcji paraliżuje służbę zdrowia
W sezonie jesienno-zimowym, gdy dynamicznie wzrasta liczba osób z objawami przeziębienia i grypy, system ochrony zdrowia może być przeciążony. Oznacza to długie kolejki do lekarzy pierwszego kontaktu, a co za tym idzie dłuższy czas oczekiwania na diagnostykę i wdrożenie skutecznego leczenia. To wszystko sprawia, że uciążliwe objawy infekcji górnych dróg oddechowych pozostają z nami na dłużej i znacznie zwiększa się ryzyko powikłań.
Być może brzmi to nieco jak science fiction, ale można wyobrazić sobie, że zamiast czekać na pojawienie się pierwszych objawów, takich jak gorączka, kaszel czy katar, algorytm w smartwatchu analizuje nasz stan fizjologiczny, a następnie wysyła nam powiadomienie w postaci alertu. To nie wytwór wyobraźni scenarzystów kinowych hitów – dzisiaj są już pierwsze badania kliniczne, które testują dokładnie takie systemy…
Urządzenia, które „widzą” nasze ciało od wewnątrz
Kiedy patrzysz na swój smartwatch, może Ci się wydawać, że jego główną funkcją jest krokomierz i pomiar tętna podczas treningu. Ale współczesne urządzenia mierzą znacznie więcej. Te dodatkowe pomiary mogą być kluczem do diagnostyki:
- tętno (ang. heart rate, HR) – standardowy pomiar co kilka sekund;
- zmienność pracy serca (ang. heart rate varability, HRV) – wskaźnik informujący o zmienności odstępu pomiędzy kolejnymi uderzeniami serca odzwierciedlający stan układu autonomicznego;
- aktywność, w tym głównie liczba kroków;
- czas i jakość snu – ile godzin trwa sen, czy i jak często zdarzają się przebudzenia;
- temperatura skóry – opcja dostępna w niektórych urządzeniach;
- saturacja (SpO₂) – określająca stopień wysycenia krwi tlenem. Jest to coraz częstsza funkcja w smartwatchach1,2.
Dlaczego te pomiary mają sens w kontekście infekcji? Bo gdy wirus (bakteria lub inny patogen) wnika do organizmu, uruchomiona zostaje kaskada reakcji biochemicznych, co prowadzi do rozwoju stanu zapalnego. Mówiąc prościej, system odpornościowy zaczyna działać, a homeostaza organizmu zostaje naruszona.
W wyżej wymienionych sytuacjach w organizmie można obserwować m.in.:
- wzrost tętna spoczynkowego, ponieważ mięsień sercowy pracuje trochę mocniej, by móc wspierać układ immunologiczny;
- spadek wartości wskaźnika HRV, ponieważ dochodzi do wzrostu stężenia poziomu kortyzolu (hormonu stresu) we krwi;
- obniżenie aktywności fizycznej, co jest związane z (naturalnym w czasie infekcji) uczuciem zmęczenia i potrzebą odpoczynku;
- zaburzenie snu, ponieważ wzmożona praca układu odpornościowego może zaburzać nocny odpoczynek;
- niewielki wzrost temperatury, zwłaszcza w nocy lub w czasie odpoczynku.
Wszystkie z powyższych parametrów są obecnie z łatwością wykrywalne przez opaski monitorujące i smartwatche.
Sztuczna inteligencja jako pierwsza rozpozna objawy infekcji?
Jedno z najnowszych badań z wykorzystaniem automatycznych detektorów (noszonych na nadgarstku) podstawowych parametrów organizmu wykazało, że zmiany fizjologiczne – zwłaszcza temperatura ciała – mogą pojawić się na kilka dni przed wykonaniem badań diagnostycznych i postawieniem przez lekarza diagnozy (średnio o 2,75 dni). W innej pracy naukowej badacze przekonują, że chociaż wykorzystanie urządzeń typu smartwatch do wykrywania infekcji np. COVID-19 jest nadal przedmiotem badań, to dotychczasowe wyniki prac są obiecujące3,4.
Artykuł opublikowany na łamach Journal of Infectious Diseases dostarcza nam informacji o badaniach, w których uczestnicy monitorowani byli za pomocą różnego rodzaju sensorów, w tym EKG. Dzięki danym zebranym przez urządzenia, możliwe było wykrycie infekcji na ok. 23 godziny przez pojawieniem się objawów klinicznych5.
Z kolei w eksperymencie dotyczącym H1N1 i rhinowirusa opaski monitorujące pozwoliły wykryć zakażenie z dokładnością do ok. 92 proc. jeszcze przed manifestacją objawów klinicznych6.
Przeprowadzono także badania z użyciem komercyjnych urządzeń typu smartwatch. Esmaeilpour i wsp. ocenili algorytm wykrywający infekcje układu oddechowego (w tym COVID-19). Wyniki pozwoliły na wysnucie wniosków, że takie podejście może mieć zastosowanie w codziennych warunkach7.
Jednym z przykładów tego, jak zaawansowana technologia oparta na sztucznej inteligencji może być pomocna w wykrywaniu infekcji COVID-19 jest model CovidRhythm8. Algorytm ten jest w stanie wykryć pierwsze objawy infekcji na podstawie rytmu dobowego (czuwanie vs. sen) oraz różnych parametrów fizjologicznych, w tym tętna. Co istotne, działanie tego modelu przypomina aktywność sieci neuronowych. Dodatkowo algorytm ten jest zdolny do nauki i ciągłego ulepszania swojej pracy. Oznacza to, że uczy się na własnych błędach i na bieżąco wprowadza poprawki8.
Warto jednak podejść do tematu nieco… racjonalnie. Badania pokazują też wiele wyzwań, które stoją przed użytkownikami AI: jakość danych różni się między urządzeniami, zakłócenia ruchem mogą wprowadzać błędy, a obecne próby często obejmują niewielkie grupy uczestników. Przegląd publikacji naukowych wskazuje, że wiele badanych urządzeń to prototypy albo analizy dotyczą obserwacji retrospektywnych. Potrzeba zatem dalszego rozwoju w tym kierunku, a także pogłębiania walidacji klinicznej.
Działanie AI w praktyce – krok po kroku
Jak w praktyce wyglądałaby diagnostyka przeprowadzona przez AI? Wyobraź sobie: przez kilka dni smartwatch rejestruje, na przykład, jak sypiasz, jak bardzo się ruszasz, jakie jest tętno nocą oraz jaka jest temperatura ciała. Na bazie tych danych system buduje „model fizjologicznego stanu”– czego spodziewać się, kiedy jesteś zdrowy. Jakie parametry są uznawane za prawidłowe dla indywidualnego organizmu.
W nocy coś się zmienia: tętno nocne wzrasta nieznacznie, HRV spada, ruch w ciągu dnia – choć nie dramatyczny – jest mniejszy niż zwykle, sen jest mniej spokojny. Te odchylenia zbierają się w zestaw cech. Trafiają one do modelu sieci neuronowej, która – na podstawie wcześniejszych przykładów – potrafi ocenić: to może być infekcja.
Jeśli model „uzna”, że istnieje prawdopodobieństwo infekcji, aplikacja wyświetla powiadomienie w formie alertu, np.: Możliwe wczesne objawy infekcji – rozważ odpoczynek, wykonanie testu lub kontakt z lekarzem. Jeśli wykonasz test i będzie on pozytywny, przypadek staje się etykietą, którą system może wykorzystać do dalszego trenowania – model uczy się, jak lepiej rozpoznawać infekcje u Ciebie i u osób o podobnym profilu.
Co więcej, jeśli wielu użytkowników w danej okolicy otrzymuje podobne ostrzeżenia, może to sugerować ognisko infekcji w regionie. A to z kolei ważny sygnał dla służb epidemiologicznych.
Ale… aby działało to w praktyce, muszą zostać spełnione pewne warunki:
- urządzenia muszą być wygodne w codziennym użytkowaniu;
- algorytmy powinny być odpowiednio przetestowane, aby dawać wiarygodne wyniki;
- wskaźnik błędów powinien być na niskim poziomie;
- wysokie bezpieczeństwo użytkowania,
- system działający zgodnie z obowiązującym prawem.
Gdzie jesteśmy teraz? Co nas czeka?
Przeprowadzone do dzisiaj badania to przeważnie piloty i eksperymenty, jednak postęp w tej dziedzinie jest szybki. Badacze są zgodni, że AI może zrewolucjonizować wykrywanie różnego rodzaju infekcji, a także poważniejszych chorób9.
W jednym z najnowszych badań zespół z Montrealu przekonuje, że opracował system przewidujący stany zapalne z dokładnością do 90 proc.10. Hadid i wsp. użyli sensorów wielomodalnych i biomarkerów gospodarza, by przewidywać systemowy stan zapalny po ekspozycji na wirus. Na podstawie zebranych danych naukowcy mogli zaobserwować moment, gdy ciało przygotowuje się na infekcję10. A to z kolei stanowi kolejny krok w kierunku użytecznych rozwiązań.
Naukowcy podkreślają jednak, że badania prospektywne obejmują niewielkie populacje, a zatem próby te stanowią zbyt małą skalę, aby móc miarodajnie ocenić działanie określonych modeli.
Co więcej, nie wolno zapominać o wrażliwości danych osobowych i odpowiednich systemach zabezpieczeń.
Jedną z kluczowych kwestii jest także wzbudzenie zaufania społecznego do nowoczesnych technologii. Warto przy tym pamiętać, że AI nie może zastąpić wizyty u lekarza i badania przedmiotowego, a także konieczności wykonania testów laboratoryjnych i obrazowych. Ma być ona jedynie narzędziem pomocnym w diagnostyce i alarmującym o ew. stanach zagrożenia zdrowia.
Cały czas rozwijane są także platformy i moduły oparte o algorytmy AI, które zbierają, monitorują i analizują dane dotyczące stanu zdrowia (fizycznego i psychicznego) indywidualnego użytkownika smartwatcha czy też opaski monitorującej. Wiele używanych i komercyjnie dostępnych dzisiaj sprzętów może być zatem użytecznych w profilaktyce licznych chorób, w tym również infekcji sezonowych.
Wspiera prawidłowe funkcjonowanie układu nerwowego.
Wspiera pamięć i koncentrację, usprawnia procesy uczenia się. Zawiera olej z ryb i olej z wiesiołka...
Wspiera funkcjonowanie układu nerwowego, pomaga w redukcji zmęczenia, skraca czas potrzebny na zaśni...
Zapewnia kompleksowe wsparcie obwodowego układu nerwowego. Zawiera innowacyjne składniki: acetylo-L...
Polecany przy zaburzeniach funkcji poznawczych, demencji starczej, trudnościach w zapamiętywaniu, po...
Preparat zalecany w celu uzupełnienia codziennej diety w kwas alfa-liponowy.
Wspomaga prawidłowe funkcjonowanie kości, mięśni i układu nerwowego. Uzupełnia niedobór witamin D₁...
Uzupełnia codzienną dietę w palmitoiloetanoloamid (PEA) oraz witaminy z grupy B (B1, B6, B12).
Nuclistim wspiera prawidłowe funkcjonowanie układu nerwowego. Dzięki wysokiej zawartości składników...
Źródła:
- D’Haese P-F, Finomore V, Lesnik D, Kornhauser L, Schaefer T, Konrad PE, et al. (2021) Prediction of viral symptoms using wearable technology and artificial intelligence: A pilot study in healthcare workers. PLoS ONE 16(10): e0257997. https://doi.org/10.1371/journal.pone.0257997.
- Temple DS, Hegarty-Craver M, Furberg RD, Preble EA, Bergstrom E, Gardener Z, Dayananda P, Taylor L, Lemm NM, Papargyris L, McClain MT, Nicholson BP, Bowie A, Miggs M, Petzold E, Woods CW, Chiu C, Gilchrist KH. Wearable Sensor-Based Detection of Influenza in Presymptomatic and Asymptomatic Individuals. J Infect Dis. 2023 Apr 12;227(7):864-872. doi: 10.1093/infdis/jiac262.
- Borhani, S., Silva, I., Damiano, R.J. et al. Automatic detection of persistent physiological changes after COVID infection via wearable devices with potential for long COVID management. Sci Rep 15, 29443 (2025). https://doi.org/10.1038/s41598-025-15208-0
- Mitratza M, Goodale BM, Shagadatova A, Kovacevic V, van de Wijgert J, Brakenhoff TB, Dobson R, Franks B, Veen D, Folarin AA, Stolk P, Grobbee DE, Cronin M, Downward GS. The performance of wearable sensors in the detection of SARS-CoV-2 infection: a systematic review. Lancet Digit Health. 2022 May;4(5):e370-e383. doi: 10.1016/S2589-7500(22)00019-X.
- Temple DS, Hegarty-Craver M, Furberg RD, Preble EA, Bergstrom E, Gardener Z, Dayananda P, Taylor L, Lemm NM, Papargyris L, McClain MT, Nicholson BP, Bowie A, Miggs M, Petzold E, Woods CW, Chiu C, Gilchrist KH. Wearable Sensor-Based Detection of Influenza in Presymptomatic and Asymptomatic Individuals. J Infect Dis. 2023 Apr 12;227(7):864-872. doi: 10.1093/infdis/jiac262.
- Grzesiak E, Bent B, McClain MT, et al. Assessment of the Feasibility of Using Noninvasive Wearable Biometric Monitoring Sensors to Detect Influenza and the Common Cold Before Symptom Onset. JAMA Netw Open. 2021;4(9):e2128534. doi:10.1001/jamanetworkopen.2021.28534
- Esmaeilpour Z, Natarajan A, Su HW, Faranesh A, Friel C, Zanos TP, D’Angelo S, Heneghan C. Detection of Common Respiratory Infections, Including COVID-19, Using Consumer Wearable Devices in Health Care Workers: Prospective Model Validation Study. JMIR Form Res 2024;8:e53716. doi: 10.2196/53716
- Sarwar A, Agu EO, Almadani A. CovidRhythm: A Deep Learning Model for Passive Prediction of Covid-19 Using Biobehavioral Rhythms Derived From Wearable Physiological Data. IEEE Open J Eng Med Biol. 2023 Mar 23;4:21-30. doi: 10.1109/OJEMB.2023.3261223.
- Khan, B., Talha Khalid, R., Ul Wara, K., Hasan Masrur, M., Khan, S., Khan, W., Amara, U. and Abdullah, S. (2025). Reshaping the healthcare world by AI-integrated wearable sensors following COVID-19. Chemical Engineering Journal, [online] 505, p.159478. doi:https://doi.org/10.1016/j.cej.2025.159478.
- Development of machine learning prediction models for systemic inflammatory response following controlled exposure to a live attenuated influenza vaccine in healthy adults using multimodal wearable biosensors in Canada: a single-centre, prospective controlled trial. Hadid, Amir et al. The Lancet Digital Health, Volume 7, Issue 7, 100886.