L'orologio dell'invecchiamento sull'Apple Watch prevede il rischio di malattie cardiache dal tuo polso

I orologi biologici dell'invecchiamento si sono tradizionalmente basati su misurazioni invasive o costose—metilazione del DNA dal sangue, ECG clinici o risonanza magnetica cerebrale. Questi approcci sono difficili da scalare e raramente raccolti in modo longitudinale. PpgAge rappresenta un cambiamento di paradigma: un biomarcatore dell'invecchiamento passivo e non invasivo, derivato in modo continuo da dispositivi wearable consumer indossati al polso.

Il team di ricerca, con sede presso Apple, ha addestrato un modello di deep learning su circa 20 milioni di segmenti PPG da 60 secondi provenienti da 172.318 partecipanti, utilizzando l'apprendimento contrastivo auto-supervisionato. Questo ha prodotto un vettore di caratteristiche a 256 dimensioni per ciascun segmento PPG, che cattura la morfologia della forma d'onda riflettendo la funzione cardiaca, vascolare, respiratoria e del sistema nervoso autonomo. Un modello di regressione lineare ha poi mappato queste rappresentazioni mediate all'età cronologica utilizzando una sottocoorte sana selezionata (n=6.728; 80% addestramento, 20% test). Il 'PpgAge gap'—età prevista meno età cronologica—era il biomarcatore di interesse primario.

PpgAge ha raggiunto un MAE di 2,43 anni nella coorte di test sana, con un'accuratezza costante tra i sottogruppi per sesso biologico, etnia e BMI. Nella popolazione generale più ampia (n=120.235), il MAE è aumentato moderatamente a ~3,2 anni, risultato atteso considerando che i partecipanti non sani erano stati esclusi dall'addestramento. In modo rilevante, il PpgAge gap ha mostrato forti associazioni trasversali con le malattie croniche. Tra le donne di età compresa tra 35 e 45 anni, la prevalenza del diabete era in media del 6,3%, ma è salita al 14,9% (2,38x) tra quelle con un PpgAge gap superiore a 6 anni, e scesa al 3,7% tra quelle con un gap inferiore a −2 anni. Andamenti simili sono stati osservati per le malattie cardiache e lo scompenso cardiaco. In prospettiva, un PpgAge gap elevato ha predetto in modo significativo eventi cardiaci incidenti, indipendentemente dai tradizionali fattori di rischio cardiovascolare.

Al di là delle malattie, il PpgAge gap ha tracciato la salute comportamentale: gap più elevati erano associati al fumo, a un sonno di scarsa qualità e a livelli di attività fisica più bassi. Longitudinalmente, PpgAge ha mostrato aumenti marcati durante la gravidanza e in prossimità di eventi cardiaci—suggerendo una sensibilità in tempo reale ai cambiamenti fisiologici acuti. Questa reattività longitudinale distingue PpgAge dai biomarcatori statici e apre potenziali applicazioni nel monitoraggio degli interventi o della progressione delle malattie nel tempo.

La scala e la passività dello studio ne rappresentano i principali punti di forza—dati continui e del mondo reale provenienti da oltre 213.000 partecipanti nell'arco di anni. Tuttavia, la popolazione è orientata verso gli utenti di Apple Watch, che potrebbero essere più sani e benestanti rispetto al pubblico generale. Le diagnosi di malattia auto-riferite introducono rumore di classificazione, e l'interpretazione causale del gap di età rimane limitata dal disegno osservazionale. Ciononostante, PpgAge rappresenta una convincente prova del concetto che i dispositivi wearable disponibili in commercio possono fornire biomarcatori dell'invecchiamento clinicamente significativi.