Google Research usa i dati degli indossabili per predire i rischi cardiaci, renali e metabolici con un coaching personalizzato
Un nuovo sistema trasforma i dati del tuo smartwatch in un'età sanitaria migliorabile e simula come cambiare abitudini potrebbe influenzare il corpo nel corso di tre mesi.

Un sistema che usa i dati dell'orologio intelligente per calcolare un'età della salute stimabile e mostra come cambiare le abitudini potrebbe modificarla.
- Traccia la tua attività quotidiana e il riposo.
- Calcola la tua età della salute stimabile sulla base di questi dati.
- Simula gli effetti nell'arco di 12 settimane.
- Ricevi consigli pratici per migliorarti.
Le malattie cardiovascolari, i problemi renali e i disturbi metabolici come il diabete di tipo 2 raramente si presentano da soli; i ricercatori sempre più spesso li raggruppano insieme come sindrome cardiovascolare-renale-metabolica, o CKM, perché si alimentano a vicenda 1. Il danno inizia spesso anni prima che qualcuno si senta male, modellato lentamente dal movimento, dal sonno e dalle attività quotidiane . Gli smartwatch registrano già queste abitudini, ma trasformare quei numeri in consigli è stato molto più difficile che contare i passi .
In due articoli pubblicati online, scienziati di Google Research hanno descritto un quadro sperimentale che colma questo divario 12. Produce un'età sanitaria allenabile costruita solo a partire da segnali che le persone possono modificare, poi avvia simulazioni di scenari "what-if" così che gli utenti possano vedere come scelte diverse potrebbero svilupparsi nell'arco di tre mesi . Quando sono disponibili esami del sangue, aggiunge anche marcatori di laboratorio per controllare contemporaneamente cuore, reni e metabolismo .
Immagine: research.google
Un'età sanitaria costruita da ciò che puoi modificare
Invece di addestrare un modello per indovinare l'anno di nascita di qualcuno, il sistema lega la sua metrica ai comportamenti collegati negli studi epidemiologici al rischio cardio-metabolico 1. Inserisce nel calcolo quattro letture fondamentali degli indossabili, tutte registrate in modo passivo dai dispositivi consumer : frequenza cardiaca a riposo, numero di passi fatti ogni giorno, durata del sonno e minuti settimanali nella Active Zone — una misura di esercizio vigoroso svolto entro una fascia di frequenza cardiaca target. Ingressi opzionali includono VO2max, regolarità del programma del sonno e resistenza all'insulina, quando quei dati esistono . Poiché queste misure si sovrappongono, il calcolo separa ciascun segnale affinché nessuna singola abitudine conti due volte la sua quota nel risultato .
Il risultato è un delta tra l'età sanitaria allenabile e l'età anagrafica 1. Un numero negativo significa che la fisiologia appare più giovane del compleanno indicato sulla carta d'identità; un numero positivo segnala un invecchiamento accelerato . Nel programma di ricerca All of Us, che ha monitorato oltre 68.000 persona-anni, i partecipanti la cui età sanitaria era superiore all'età effettiva all'avvio avevano molte più probabilità di ricevere diagnosi di ipertensione, malattia cardiovascolare o diabete di tipo 2 nell'arco di otto anni. Aggiungere questa metrica ai fattori clinici standard ha migliorato la previsione, in particolare per gli adulti sotto i 50 anni . Tra 1.464 utenti Fitbit monitorati per due anni, cambiamenti sostenuti nelle abitudini hanno fatto diminuire l'età sanitaria nei trimestri successivi . Il punteggio si è inoltre allineato meglio rispetto ai precedenti orologi basati su indossabili con indici clinici consolidati, quali la versione modificata del Life's Essential 8 dell'American Heart Association e i punteggi di severità della sindrome metabolica 2.
Simulare futuri personalizzati
Per trasformare quel numero in un piano, il team ha addestrato un modello world model basato sui sensori, chiamato SensorWM, su oltre 2,2 milioni di persona-settimane di dati provenienti da indossabili 1. Invece di prevedere un singolo outcome, impara come le abitudini giornaliere si colleghino nel tempo e può riprodurre percorsi alternativi plausibili . Date le letture attuali di una persona, il modello genera traiettorie personalizzate di 12 settimane per scenari come aggiungere una camminata veloce o andare a letto mezz'ora prima . Un agente basato su un modello linguistico accompagna poi quelle simulazioni traducendole in suggerimenti strutturati di coaching, sottoposti al vaglio di clinici .
Come il tuo orologio diventa una previsione sulla salute
- Lettura dall'orologiofrequenza cardiaca a riposo, passi, sonno, minuti in zona attiva
- Punteggio età della salutemostra come invecchia il tuo corpo in confronto alla tua età anagrafica
- Simulazioni ipoteticheprevisioni a 12 settimane per piccoli cambiamenti di abitudini
- Consigli chiarilinee guida verificate dai medici basate su quelle simulazioni
- Esami del sangue (opzionale)individua segnali cardiaci, renali e metabolici
Basato su articoli di Google Research che descrivono un framework sperimentale; prodotto commerciale non ancora annunciato
Gli esami del sangue aggiungono dettaglio sugli organi
In uno studio compagno che ha utilizzato una coorte statunitense di 819 partecipanti, i ricercatori hanno mostrato come combinare gli indossabili con i valori di laboratorio di routine potesse indicare quali organi mostrano stress precoce 2. Hanno valutato il rischio cardiovascolare, la funzionalità renale attraverso il tasso di filtrazione glomerulare stimato e il colesterolo-HDL, nonché la salute metabolica tramite un indice di resistenza all'insulina . Le alterazioni metaboliche e cardiovascolari risultavano correlate tra loro, ma l'incapacità renale talvolta appariva da sola . Quasi un terzo dei partecipanti presentava deviazioni multisistema significative, con profili cardiovascolari come schema singolo più comune e coinvolgimento duale degli organi relativamente raro . Il conteggio dei passi, i minuti nella Active Zone e la frequenza cardiaca a riposo sono emersi come i predittori indossabili più forti di declino .
Entrambi i sistemi rimangono sperimentali e sono progettati per completare, non sostituire, la valutazione clinica 12.

Immagine: research.google

Immagine: research.google

Immagine: research.google
Cosa succede dopo
Google non ha annunciato alcun prodotto commerciale e il quadro deve ancora essere testato in popolazioni più ampie prima di poter raggiungere i consumatori 12. Se sviluppato ulteriormente, tuttavia, rappresenterebbe uno dei primi tentativi di spostare il monitoraggio tramite indossabili oltre i cruscotti verso un vero cambiamento comportamentale, offrendo alle persone un senso più chiaro di quanto le abitudini di oggi stiano plasmando la salute di domani .
Correzioni e aggiornamenti
- Corrected on 11 novembre 2026. An earlier version claimed a mobile app interface with health tracking panels existed; no such screenshot was described or referenced in the sources.
I fatti principali
- Google Research ha addestrato un modello del mondo basato sui sensori su oltre 2,2 milioni di settimana-persona di dati provenienti da dispositivi indossabili
- Nella coorte All of Us di quasi 23.000 partecipanti, un'età della salute potenzialmente migliorabile più alta ha predetto un maggior rischio di ipertensione, malattie cardiovascolari e diabete di tipo 2 nell'arco di otto anni
- Circa il 29% della coorte di accompagnamento ha mostrato una significativa deviazione multi-sistema CKM
- Il passo giornaliero, i minuti nella zona attiva e la frequenza cardiaca a riposo sono risultati gli indicatori più potenti dai dispositivi indossabili per prevedere come la salute cardiovascolare e metabolica potrebbe peggiorare
- Il quadro rimane sperimentale e non è ancora un prodotto per i consumatori
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
App e prodottiGoogle lancia Language Explorer per cartografare online le 7.000 lingue del mondoHerald of AI
Google lancia Language Explorer per cartografare online le 7.000 lingue del mondo
Un sito web interattivo e una mostra museale permettono a chiunque di esplorare mappe, parlanti, sistemi di scrittura e stati di vulnerabilità per migliaia di lingue.
Come funzionaCome Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunciHerald of AI
Come Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunci
Il nuovo sistema di agenti AI di Meta adatta automaticamente piccoli miglioramenti attraverso migliaia di modelli pubblicitari, risparmiando milioni nei costi di calcolo.
Come funzionaIl ricercatore del MIT vuole che l'AI spieghi se stessa invece di nascondere come funzionaHerald of AI
Il ricercatore del MIT vuole che l'AI spieghi se stessa invece di nascondere come funziona
Jacob Andreas sta allenando l'AI a parlare di ciò che ha imparato, offrendo agli utenti comuni un modo per capire come questi sistemi prendono decisioni, senza affidarsi solo a strumenti complessi di debug.