Stanford Lança Ensaio Clínico de Saúde Cardíaca com Coaching de IA Visando 15.000 Adultos

A doença cardiovascular continua sendo a principal causa de morte e incapacidade no mundo, porém intervenções comportamentais personalizadas e escaláveis têm sido difíceis de implementar sem recursos humanos substanciais. As ferramentas de saúde digital oferecem um caminho promissor, mas estudos anteriores com smartphones eram limitados pela exclusividade de plataforma e pela dependência de especialistas humanos para elaborar mensagens individualizadas. O estudo My Heart Counts 2.0 foi desenvolvido para enfrentar ambas as limitações diretamente.

Este estudo de coorte prospectivo e observacional, com um ensaio crossover randomizado incorporado, irá recrutar até 15.000 adultos nos Estados Unidos e no Reino Unido por meio de um aplicativo para smartphone redesenhado, construído sobre o framework open-source Stanford Spezi. O aplicativo coleta um rico biobancos digital: dados passivos de sensores, incluindo passos, frequência cardíaca, sono e acelerometria; tarefas ativas de condicionamento físico, como o teste de caminhada de 6 minutos e a corrida de 12 minutos de Cooper; ECGs; questionários longitudinais; e dados de prontuários eletrônicos integrados via protocolos HL7 FHIR.

O ensaio central testa se prompts de coaching gerados de forma autônoma por um modelo de linguagem de grande escala (LLM) — fundamentados no Modelo Transteórico de Mudança e personalizados para cada usuário — conseguem aumentar a contagem diária de passos mais do que prompts de texto genéricos. O desenho crossover permite que cada participante sirva como seu próprio controle, aumentando o poder estatístico. Os desfechos secundários incluem minutos ativos e gasto calórico; os desfechos exploratórios abrangem alterações na aptidão cardiorrespiratória, frequência cardíaca em repouso, variabilidade da frequência cardíaca e qualidade do sono.

Para clínicos e adultos preocupados com a saúde, as implicações são significativas. Se o coaching por LLM superar as mensagens genéricas em larga escala, isso validaria um modelo de baixo custo e totalmente automatizado para o cuidado cardiovascular preventivo — um modelo capaz de alcançar populações sem acesso a coaches de saúde ou conselheiros comportamentais.

Ressalvas permanecem. O estudo ainda está em fase de recrutamento, portanto não há dados de desfechos disponíveis. Estudos baseados em aplicativos enfrentam problemas de atrito e viés de autosseleção. O resumo apresentado aqui é baseado exclusivamente no abstract do protocolo publicado, e os resultados de eficácia ainda estão pendentes.