I dati degli smartphone rivelano schemi di recupero nascosti in un raro disturbo del sonno

Questo innovativo caso clinico dimostra come i dati degli smartphone possano rivoluzionare il monitoraggio dei disturbi del sonno rari, offrendo nuove speranze ai pazienti affetti da condizioni difficili da tracciare oggettivamente. La sindrome di Kleine-Levin colpisce i giovani adulti con episodi devastanti di sonnolenza estrema della durata di giorni o settimane, accompagnati da alterazioni comportamentali.

I ricercatori hanno seguito un paziente maschio taiwanese di 25 anni che presentava episodi di sonno superiori a 15 ore giornaliere, utilizzando Rhythm, un'applicazione smartphone validata che registra le interazioni uomo-dispositivo. L'app ha monitorato passivamente i suoi ritmi sonno-veglia e la capacità funzionale senza richiedere una partecipazione attiva durante gli episodi debilitanti.

I risultati hanno rivelato firme digitali distintive della malattia e della guarigione. Durante gli episodi, l'attività sullo smartphone è praticamente scomparsa, riflettendo lo stato di incapacità del paziente. La fase di recupero ha mostrato schemi d'uso del telefono progressivamente più strutturati, che rispecchiavano il ritorno della funzionalità. Aspetto ancora più rilevante, la stabilità intergiornaliera — una metrica che misura la coerenza del ritmo circadiano su una scala da 0 a 1 — è migliorata da valori bassi durante gli episodi fino a superare 0,37 al ritorno all'impiego a tempo pieno.

Per la longevità e l'ottimizzazione della salute, questa ricerca evidenzia il potenziale del monitoraggio digitale passivo nel rilevare cambiamenti sottili nella funzione circadiana e nei ritmi quotidiani prima che i sintomi clinici diventino evidenti. Il rilevamento precoce delle alterazioni circadiane potrebbe consentire interventi preventivi per preservare una salute ottimale e la funzione cognitiva.

Tuttavia, questo singolo caso clinico necessita di validazione su popolazioni più ampie e in altri disturbi del sonno. L'efficacia di questo approccio può variare in base ai diversi pattern di utilizzo degli smartphone e alle fasce d'età, limitando l'immediata generalizzabilità a popolazioni più ampie.