Google enseña a relojes inteligentes comunes a detectar hipertensión con una sensibilidad del 65,8 %

La presión alta suele descubrirse por casualidad: una persona acude al médico por otro motivo, se coloca el brazalete y se lleva una sorpresa desagradable. Google Research probó un escenario distinto. Un reloj inteligente observa durante varios días la onda de pulso y los micromovimientos de la muñeca, y después un modelo estima la probabilidad de hipertensión persistente. No requiere calibración previa con un tensiómetro convencional.

En un estudio prospectivo con 196 participantes, el sistema mostró una sensibilidad del 65,8 % y una especificidad del 90 %. Para la medición inicial de la presión en la consulta médica, la sensibilidad fue del 55,3 % con la misma especificidad. Los resultados se publicaron en Nature.

Suena a una función tras la cual el brazalete puede guardarse en el armario. Pero precisamente así no debe leerse el estudio. El reloj no mide la presión sistólica ni la diastólica y no emite diagnósticos. Funciona como un filtro de riesgo silencioso: detecta un patrón sospechoso y empuja a la persona hacia una revisión adecuada.

Qué ve realmente el reloj

El modelo utiliza dos fuentes de datos habituales. La primera es un sensor de fotopletismografía: LED verdes y un sensor óptico registran cómo cambia el volumen de sangre en los tejidos de la muñeca. La segunda es un acelerómetro, que separa los periodos de calma de los de movimiento y capta las débiles vibraciones mecánicas que produce el trabajo del corazón.

En la primera etapa, la red neuronal se entrenó sin diagnósticos médicos. Recibió 492.347 horas de registros de 2.109 voluntarios y aprendió a reconocer qué segmentos cortos pertenecen a una misma persona. Así, el modelo formó una representación interna de las características de la onda de pulso y de los micromovimientos cardíacos.

Después, los fragmentos cortos se combinan a lo largo de varios días. Es un detalle de ingeniería importante. Una sola medición se estropea con facilidad por un movimiento de la mano, el frío, el estrés o un café recién tomado. El promedio reduce la influencia de ese ruido. La representación resultante, junto con la estatura del usuario, pasa a un clasificador sencillo que devuelve la probabilidad de hipertensión.

Imagine a un desarrollador que lleva el reloj toda la semana laboral. El dispositivo no le dice: «Ahora tienes 145 sobre 95». En su lugar, detecta que un patrón repetido de señales se parece a los datos de personas con presión persistentemente elevada y recomienda hacerse una comprobación con brazalete o con un monitor de 24 horas.

Dónde termina la magia

Una sensibilidad del 65,8 % significa que el modelo encontró aproximadamente a dos tercios de los participantes con hipertensión y pasó por alto a cerca de un tercio. Por tanto, un resultado negativo no demuestra que la presión sea normal. Una especificidad del 90 % significa que aproximadamente una de cada diez personas sin hipertensión puede recibir una falsa alerta.

También hay una limitación de la muestra. En el ensayo participaron 196 personas de cinco centros de investigación de EE. UU., sin enfermedad cardiovascular conocida y sin tomar fármacos para la presión. Para un producto médico, esto no basta para extrapolar automáticamente el resultado a personas mayores, pacientes con arritmia, embarazadas o quienes ya reciben tratamiento para la hipertensión.

El método de control fue la monitorización ambulatoria de la presión arterial, el estándar clínico, y no las lecturas del propio reloj. Esto refuerza el estudio, pero no convierte el prototipo en un dispositivo de diagnóstico. Harán falta ensayos independientes más amplios, pruebas en distintos dispositivos y una evaluación regulatoria aparte.

Qué llevarse al producto

La idea principal es más amplia que un solo algoritmo médico. Los dispositivos vestibles son útiles no cuando fingen ser un laboratorio en la muñeca, sino cuando aprovechan la duración de la observación. Una medición precisa y esporádica y un flujo continuo y ruidoso resuelven problemas distintos. La primera confirma un diagnóstico; el segundo ayuda a detectar el riesgo a tiempo.

Para un equipo de producto, la interfaz correcta no debería decir «tienes hipertensión», sino «hemos detectado signos de riesgo: comprueba tu presión con un método validado». Hacen falta límites de aplicabilidad claros, protección de los datos médicos y una ruta para el siguiente paso: repetir la medición, consultar a un médico o usar un monitor de 24 horas.

La conclusión práctica para los desarrolladores es no optimizar este tipo de sistema solo por precisión global. Importan la sensibilidad, la especificidad, la proporción de falsas alarmas y lo que hace el usuario tras la notificación. El valor de la función no surge en el momento de la predicción, sino cuando el aviso realmente lleva a la persona a hacerse una revisión y no crea una falsa sensación de seguridad.