Uma grande expansão dos dados de saúde do mundo real
O ecossistema de pesquisa dos EUA ganhou esta semana um novo e notável recurso de dados com a publicação do conjunto de dados de wearables do All of Us Research Program em Nature Medicine. Segundo o artigo, o conjunto de dados contém dados do Fitbit de mais de 59.000 participantes ao longo de 14 anos, incluindo mais de 39 milhões de observações de passos e 31 milhões de observações de sono. Quase metade dos participantes com dados do Fitbit também contribuiu com prontuários eletrônicos, medidas físicas, genômica e dados de pesquisas.
Essa combinação faz com que o lançamento seja mais do que uma grande coleção de leituras de dispositivos de consumo. Ela cria um conjunto de dados multimodal que pode conectar sinais comportamentais e fisiológicos do cotidiano a desfechos clínicos, contexto demográfico e dados moleculares. Para pesquisadores que estudam biomarcadores digitais, sono, exercício, risco de doenças crônicas e saúde populacional, o alcance é significativo.
Por que esse conjunto de dados importa
Os wearables há muito são vistos como uma forma de levar a pesquisa médica além das imagens instantâneas obtidas durante consultas clínicas. Os dispositivos podem captar informações contínuas, do mundo real, sobre movimento, sono e comportamento ao longo do tempo. Mas muitos conjuntos de dados de wearables têm uma grande fragilidade: costumam ser enviesados para populações mais propensas a comprar e usar esses dispositivos, normalmente grupos mais ricos e menos diversos.
O artigo do All of Us aborda explicitamente esse problema. Os autores enquadram o recurso como um dos maiores conjuntos de dados de tecnologia de saúde digital, e dos mais ricos demograficamente, já reunidos até agora. A missão do programa tem sido construir uma coorte de pesquisa que reflita melhor as populações historicamente sub-representadas na pesquisa biomédica. Se o componente de wearables tiver sucesso nesses termos, poderá ajudar a reduzir uma das lacunas mais persistentes da medicina digital: a distância entre quem gera os dados e quem deve se beneficiar dos insights resultantes.
Escala mais vínculo é a principal vantagem
Grandes números, por si só, não tornam um conjunto de dados transformador. O que eleva este lançamento é o vínculo entre os dados. O artigo afirma que 46% dos participantes com dados do Fitbit também contribuíram com prontuários eletrônicos, medidas físicas, genômica e dados de pesquisas. Isso significa que os pesquisadores podem estudar não apenas se padrões de atividade ou sono variam entre indivíduos, mas se esses padrões se relacionam com diagnósticos, histórico de tratamento, valores laboratoriais, experiências relatadas e informações genéticas.
Na prática, isso abre várias linhas de pesquisa. Cientistas podem examinar como medidas digitais se relacionam com o início, a progressão ou a recuperação de doenças. Podem testar se padrões comportamentais diferem entre grupos demográficos de formas relevantes para a previsão de risco. Também podem avaliar se os sinais derivados de wearables funcionam de maneira consistente entre populações, o que é essencial se os biomarcadores digitais forem apoiar a saúde de precisão em vez de aprofundar desigualdades existentes.
O artigo descreve o conjunto de dados como um meio de possibilitar pesquisas sobre relações entre métricas de saúde digital e desfechos clínicos, ao mesmo tempo em que avança a metodologia de saúde digital por meio de tamanho, representatividade e vínculo multimodal. É uma maneira cuidadosa de dizer que o recurso é útil tanto para estudar doenças quanto para testar os métodos por trás da própria saúde digital.
O que pesquisadores podem aprender com dados contínuos
Contagens de passos e registros de sono podem parecer simples, mas, quando capturados em escala ao longo de longos períodos, tornam-se poderosos analiticamente. Padrões de atividade podem ser associados a risco cardiovascular, doença metabólica, trajetórias de recuperação, envelhecimento e saúde mental. Dados de sono podem informar estudos sobre interrupção circadiana, carga de doença crônica e vínculos entre padrões de descanso e desfechos médicos subsequentes.
Como o conjunto de dados abrange anos, ele também pode ajudar pesquisadores a estudar mudança, e não apenas status. Dados longitudinais podem revelar se a queda de atividade precede um diagnóstico, se a interrupção do sono acompanha o tratamento ou se efeitos de intervenção aparecem na vida cotidiana antes de surgirem em desfechos tradicionais. Esse tipo de detalhe temporal é uma das razões pelas quais os dados de saúde digital têm atraído tanta atenção.
Ainda assim, a contribuição do artigo não é uma afirmação clínica de que uma métrica específica prevê uma doença específica. É o lançamento de uma infraestrutura: um conjunto de dados grande e variado o suficiente para permitir que muitos grupos testem essas questões com rigor.
O desafio da inclusão na saúde digital
Os autores observam que a pesquisa em saúde digital muitas vezes foi limitada por viés demográfico. Esse desafio tem implicações muito além da equidade. Se os dados de wearables são desproporcionalmente extraídos de populações restritas, os modelos construídos a partir deles podem generalizar mal. Um biomarcador digital que parece robusto em um grupo pode ter desempenho inferior em outro. Uma ferramenta de previsão pode parecer precisa enquanto embute pontos cegos ocultos.
Ao ampliar o alcance demográfico da coleta de dados baseada em dispositivos, o All of Us tenta mudar esse ponto de partida. O conjunto de dados, por si só, não eliminará o viés na prática de pesquisa nem no desenvolvimento de modelos. Mas pode tornar mais difícil ignorar a representatividade como uma questão metodológica. Nesse sentido, o lançamento é importante tanto cientificamente quanto institucionalmente: ele coloca mais responsabilidade sobre os pesquisadores para examinar para quem seus modelos funcionam.
O que vem a seguir
O impacto real do conjunto de dados dependerá de como ele for usado. Artigos de recursos geralmente marcam o começo, e não o fim, de uma história. A próxima fase será moldada pelos estudos que recorrerem a esses registros e por quão cuidadosamente os investigadores lidarem com questões como dados ausentes, variação entre dispositivos, confundimento comportamental e os limites das medições de consumo.
Mesmo assim, a publicação sinaliza uma fase de amadurecimento para a pesquisa em saúde digital. Em vez de depender principalmente de pequenos conjuntos de dados proprietários ou de coortes recrutadas de forma restrita, os cientistas têm cada vez mais acesso a fontes de dados do mundo real amplas, vinculadas e mais representativas. Isso muda quais tipos de perguntas podem ser feitas com credibilidade.
Para a agenda mais ampla de saúde de precisão, esse é o ponto. Wearables costumam ser comercializados como ferramentas pessoais de bem-estar, mas seu maior valor científico está no que podem revelar em populações ao longo do tempo quando combinados com um contexto clínico robusto. O lançamento do All of Us aproxima essa possibilidade do uso rotineiro em pesquisa.
Um recurso fundamental, e não um resultado de manchete
Não há uma única descoberta médica de grande impacto associada a este artigo, e é exatamente por isso que ele importa. Conjuntos de dados fundamentais raramente produzem as manchetes mais dramáticas de imediato, mas frequentemente moldam a próxima onda de descobertas. Ao documentar um grande conjunto de dados de wearables com amplo alcance demográfico e forte vínculo com outros dados de saúde, o All of Us Research Program criou um recurso que pode influenciar a medicina digital, a epidemiologia e a saúde de precisão por anos.
Seu valor será medido, em última instância, não pelo número de registros de dispositivos, mas por saber se esses registros ajudam a produzir uma ciência melhor e mais inclusiva. Este lançamento oferece aos pesquisadores a matéria-prima para tentar.
Este artigo é baseado na cobertura da Nature Medicine. Leia o artigo original.
Originally published on nature.com
