Stanford lanza un ensayo de salud cardíaca con entrenamiento de IA dirigido a 15.000 adultos
Un ensayo digital a gran escala evalúa si los mensajes de entrenamiento personalizados generados por LLM pueden aumentar la actividad física diaria mejor que los mensajes genéricos.
Resumen
Investigadores de Stanford han lanzado un estudio de nueva generación basado en teléfonos inteligentes llamado My Heart Counts, con el objetivo de inscribir hasta 15.000 adultos en Estados Unidos y el Reino Unido. El estudio construye un biobanco digital recopilando datos de salud de forma pasiva —pasos, frecuencia cardíaca, sueño, ECGs— junto con registros electrónicos de salud. Integrado en él se encuentra un ensayo cruzado aleatorizado que evalúa si los mensajes de coaching personalizados generados por inteligencia artificial, basados en el Modelo Transteórico del Cambio, pueden aumentar el recuento diario de pasos de manera más eficaz que los mensajes genéricos. La aplicación ya está disponible en iOS, con una versión para Android prevista para 2027, y es compatible tanto con inglés como con español. Si el coaching impulsado por modelos de lenguaje de gran escala demuestra ser eficaz a gran escala, este modelo podría transformar la forma en que se brinda la atención cardiovascular preventiva: de manera económica, automatizada y sin necesidad de coaches de salud para cada paciente.
Resumen detallado
La enfermedad cardiovascular sigue siendo la principal causa de muerte y discapacidad en el mundo; sin embargo, ha resultado difícil ofrecer intervenciones conductuales escalables y personalizadas sin necesidad de recursos humanos considerables. Las herramientas de salud digital representan un camino prometedor, pero los ensayos previos con teléfonos inteligentes estuvieron limitados por la exclusividad de plataforma y la dependencia de expertos humanos para elaborar mensajes individualizados. El estudio My Heart Counts 2.0 fue diseñado para abordar ambas limitaciones de forma directa.
Este estudio de cohorte observacional prospectivo con un ensayo cruzado aleatorizado integrado reclutará hasta 15.000 adultos en los Estados Unidos y el Reino Unido a través de una aplicación para teléfonos inteligentes rediseñada, construida sobre el marco de código abierto Stanford Spezi. La aplicación recopila un completo biobanco digital: datos pasivos de sensores que incluyen pasos, frecuencia cardíaca, sueño y acelerometría; pruebas de aptitud física activa como la prueba de caminata de 6 minutos y la carrera de 12 minutos de Cooper; ECGs; encuestas longitudinales; y datos de historiales clínicos electrónicos integrados mediante protocolos HL7 FHIR.
El ensayo central evalúa si los mensajes de entrenamiento generados de forma autónoma por un modelo de lenguaje de gran escala (LLM) —fundamentados en el Modelo Transteórico del Cambio y personalizados para cada usuario— pueden aumentar el número diario de pasos más que los mensajes de texto genéricos. El diseño cruzado permite que cada participante actúe como su propio control, lo que incrementa la potencia estadística. Los criterios de valoración secundarios incluyen los minutos activos y el gasto calórico; los criterios de valoración exploratorios abarcan los cambios en la aptitud cardiorrespiratoria, la frecuencia cardíaca en reposo, la variabilidad de la frecuencia cardíaca y la calidad del sueño.
Las implicaciones son significativas tanto para los médicos como para los adultos preocupados por su salud. Si el entrenamiento mediante LLM supera a los mensajes genéricos a gran escala, validaría un modelo de bajo costo y totalmente automatizado para la atención cardiovascular preventiva, uno que podría llegar a poblaciones sin acceso a entrenadores de salud o consejeros conductuales.
No obstante, persisten ciertas advertencias. El estudio aún se encuentra en fase de reclutamiento, por lo que no existen datos de resultados. Los ensayos basados en aplicaciones enfrentan desgaste de participantes y sesgo de autoselección. El resumen presentado aquí se basa únicamente en el resumen del protocolo publicado, y los resultados de eficacia están pendientes.
Hallazgos clave
- Trial targets 15,000 adults across the US and UK using a fully digital, smartphone-based platform.
- LLM-generated personalized coaching prompts are tested head-to-head against generic activity messages.
- Primary endpoint is change in daily step count; secondary endpoints include active minutes and calorie burn.
- Digital biobank integrates ECG, accelerometry, fitness tests, surveys, and EHR data via FHIR protocols.
- App supports English and Spanish, broadening reach to underserved and Latino cardiovascular populations.
Metodología
Cohorte observacional prospectiva con un ensayo cruzado aleatorizado incorporado; cada participante experimenta tanto el brazo de entrenamiento impulsado por LLM como el brazo de entrenamiento genérico. El análisis primario utiliza modelos de efectos mixtos para comparar el número de pasos diarios entre los brazos. El reclutamiento comenzó en marzo de 2026 y está en curso.
Limitaciones del estudio
Aún no hay datos de eficacia disponibles — este artículo describe únicamente el diseño del estudio y su justificación. Los ensayos basados en aplicaciones móviles son propensos al sesgo de autoselección y a tasas elevadas de abandono. Este resumen se basa únicamente en el resumen publicado, ya que no fue posible acceder al texto completo.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte: