Google Research usa datos de relojes para predecir riesgo cardíaco, renal y metabólico con coaching personalizado
Un nuevo sistema convierte los datos de tu reloj inteligente en una edad de salud que puedes mejorar y simula cómo cambiar hábitos podría afectar tu cuerpo durante tres meses.

Un sistema que usa datos del reloj inteligente para calcular una "edad saludable entrenable" y simula cómo los cambios de hábitos podrían afectarla.
- Llevar un registro diario de actividad y descanso.
- Calcular una edad saludable entrenable a partir de esas métricas.
- Simular efectos durante 12 semanas.
- Obtener consejos de acompañamiento en lenguaje claro.
Las enfermedades cardíacas, los problemas renales y los trastornos metabólicos como la diabetes tipo 2 no suelen aparecer solos; cada vez más, los investigadores los agrupan como síndrome cardiovascular-renal-metabólico, o CKM, porque se alimentan entre sí 1. El daño suele comenzar años antes de que alguien se sienta enfermo, moldeado lentamente por el movimiento, el sueño y la actividad cotidiana . Los relojes inteligentes ya registran esos hábitos, pero convertir los números en consejos ha sido mucho más difícil que contar pasos .
En dos artículos publicados en línea, científicos de Google Research describieron un marco de investigación que cierra esa brecha 12. Produce una edad de salud entrenable construida solo a partir de señales que las personas pueden modificar, luego ejecuta simulaciones de futuros alternativos para que los usuarios puedan ver cómo distintas decisiones podrían desarrollarse durante tres meses . Cuando están disponibles análisis de sangre, también incorpora marcadores de laboratorio para evaluar corazón, riñones y metabolismo al mismo tiempo .
Imagen: research.google
Una edad de salud hecha de cosas que puedes cambiar
En lugar de entrenar un modelo para adivinar el año de nacimiento de alguien, el sistema vincula su métrica a comportamientos relacionados en estudios epidemiológicos con el riesgo cardio-metabólico 1. Introduce cuatro lecturas principales de los relojes, todas registradas pasivamente por dispositivos de consumo, en el cálculo : frecuencia cardíaca en reposo, cuántos pasos das al día, cuánto duermes y minutos semanales de zona activa, una medida de ejercicio vigoroso realizado dentro de una zona objetivo de frecuencia cardíaca. Entradas opcionales incluyen VO2max, regularidad del horario de sueño y resistencia a la insulina cuando existen los datos . Como estas medidas se superponen, el cálculo separa cada señal para que ningún hábito cuente dos veces su parte del resultado .
El resultado es una diferencia entre la edad de salud entrenable y la edad cronológica 1. Un número negativo significa que la fisiología parece más joven que el cumpleaños en la cédula; un número positivo señala un envejecimiento acelerado . En el programa de investigación All of Us, que rastrea más de 68.000 años-persona, los participantes cuya edad de salud era mayor que su edad real al inicio tenían muchas más probabilidades de ser diagnosticados con hipertensión, enfermedad cardiovascular o diabetes tipo 2 dentro de ocho años. Agregar la métrica a factores clínicos estándar mejoró la predicción, especialmente para adultos menores de 50 años . Entre 1.464 usuarios de Fitbit seguidos durante dos años, los cambios sostenidos en los hábitos llevaron la edad de salud a bajar en trimestres subsiguientes . La puntuación también se alineó mejor que los relojes portátiles anteriores con índices clínicos establecidos como el modified American Heart Association Life's Essential 8 y las puntuaciones de severidad del síndrome metabólico 2.
Simular futuros personalizados
Para convertir el número en un plan, el equipo entrenó un world model sensorial llamado SensorWM con más de 2,2 millones de persona-semanas de datos de relojes 1. En lugar de predecir cualquier resultado único, aprende cómo se conectan los hábitos diarios a lo largo del tiempo y puede reproducir caminos alternativos plausibles . Dadas las lecturas actuales de una persona, el modelo genera trayectorias individualizadas de 12 semanas para escenarios como agregar un paseo rápido o acostarse media hora antes . Un agente de modelo de lenguaje complementario luego traduce esas simulaciones en sugerencias estructuradas de coaching validadas por clínicos .
Cómo tu reloj se convierte en pronóstico de salud
- Lecturas del relojritmo cardíaco en reposo, pasos, sueño, minutos en zona activa
- Puntuación de edad saludablemuestra cómo envejece tu cuerpo en comparación con tu cumpleaños
- Simulaciones de qué pasaría sipronósticos de 12 semanas para pequeños cambios de hábitos
- Consejos claros de entrenamientoorientación revisada por médicos elaborada a partir de esas simulaciones
- Análisis de sangre (opcional)señala señales cardíacas, renales y metabólicas
Basado en artículos de investigación de Google que describen un marco experimental; producto comercial aún no anunciado
Los análisis de sangre agregan detalle orgánico
En un estudio complementario que usó una cohorte estadounidense de 819 participantes, los investigadores mostraron cómo combinar relojes con valores de laboratorio habituales podía señalar exactamente qué órganos muestran signos tempranos de tensión 2. Evaluaron los riesgos cardiovasculares, la función renal a través de la tasa estimada de filtración glomerular y la relación colesterol-HDL, y la salud metabólica mediante un índice de resistencia a la insulina . Las alteraciones metabólicas y cardiovasculares se correlacionaron entre sí, pero el deterioro renal a veces aparecía por sí solo . Casi una tercera parte de los participantes presentaba desviación multissistémica significativa, siendo los perfiles cardiovasculares el patrón individual más común y la participación dual de órganos relativamente rara . El recuento de pasos, los minutos de zona activa y la frecuencia cardíaca en reposo surgieron como los predictores más fuertes provenientes de relojes .
Ambos sistemas siguen siendo investigacionales y están diseñados para complementar, no reemplazar, la evaluación clínica 12.

Imagen: research.google

Imagen: research.google

Imagen: research.google
Qué sigue
Google no ha anunciado un producto comercial, y el marco aún necesita pruebas en poblaciones más amplias antes de poder llegar a los consumidores 12. Si se desarrolla más, sin embargo, representaría uno de los primeros intentos de llevar el seguimiento con wearables más allá de los paneles de control hacia un cambio real de comportamiento, dando a las personas una noción más clara de si los hábitos de hoy están inclinándonos hacia la salud del mañana .
Correcciones y actualizaciones
- Corregido el 11 de noviembre de 2026. Una versión anterior afirmaba que existía una interfaz de aplicación móvil con paneles de seguimiento de salud; ninguna captura de pantalla de ese tipo fue descrita ni referenciada en las fuentes.
Los datos clave
- Google Research entrenó un modelo del mundo sensorial con más de 2,2 millones de persona-semanas de datos de dispositivos portátiles
- In the All of Us cohort of nearly 23,000 participants, higher coachable health age predicted more hypertension, cardiovascular disease and type 2 diabetes over eight years
- Aproximadamente el 29 por ciento de la cohorte de acompañamiento mostró una desviación significativa multi-sistema CKM
- Se encontró que la cantidad de pasos, los minutos en zona activa y la frecuencia cardíaca en reposo fueron los indicadores más potentes de los wearables para predecir cómo podría empeorar la salud cardiovascular y metabólica.
- El marco sigue siendo investigativo y aún no es un producto para el consumidor
Fuentes
Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes
Sigue leyendo
Apps y productosGoogle lanza Language Explorer para cartografiar las 7.000 lenguas del mundo en internetHerald of AI
Google lanza Language Explorer para cartografiar las 7.000 lenguas del mundo en internet
Una página web interactiva y una exposición museográfica permiten a cualquier persona explorar mapas, hablantes, sistemas de escritura y el estado de peligro de miles de idiomas.
Cómo funcionaCómo Meta triplica la productividad de ingeniería usando agentes para propagar técnicas de modelos publicitariosHerald of AI
Cómo Meta triplica la productividad de ingeniería usando agentes para propagar técnicas de modelos publicitarios
El nuevo sistema de agentes de IA de Meta adapta pequeñas mejoras en miles de modelos publicitarios de forma automática, ahorrando millones en costos de computación.
Cómo funcionaEl investigador del MIT quiere que la IA se explique sola en lugar de ocultar su funcionamientoHerald of AI
El investigador del MIT quiere que la IA se explique sola en lugar de ocultar su funcionamiento
Jacob Andreas está entrenando a la IA para hablar sobre lo que ha aprendido, brindando a los usuarios habituales una forma de entender cómo toman decisiones estos sistemas, en vez de depender solo de complejas herramientas de depuración.