Uobičajeno, testovi za točno mjerenje VO2maxa, ključnog mjerenja ukupne kondicije i važnog pokazatelja srčanih bolesti i rizika od smrtnosti, zahtijevaju skupu laboratorijsku opremu i uglavnom su ograničeni na elitne sportaše. Nova metoda koristi strojno učenje za predviđanje VO2maxa tijekom svakodnevne aktivnosti.

Robusno, transparentno i točno

Neki trenutno dostupni pametni satovi i fitness monitori tvrde da daju procjenu VO2maxa. No, algoritmi koji ih pokreću nisu javno poznati i podložni su promjenama pa nije jasno jesu li predviđanja točna i kakav je utjecaj režima vježbanja na VO2max pojedinca.

Novi model, predstavljen u časopisu npj Digital Medicine, robustan je, transparentan i pruža točna predviđanja samo na temelju podataka otkucaja srca i akcelerometra. Barem tako tvrde njegovi tvorci sa Sveučilišta Cambridge. Ovaj model detektira promjene kondicije tijekom vremena pa bi mogao bi biti koristan u procjeni razine kondicije i identificiranju učinaka trendova životnog stila. 

Zlatni standard

Mjerenje VO2maxa smatra se "zlatnim standardom" testova fitnessa. Profesionalni sportaši, primjerice, svoj VO2max testiraju mjerenjem potrošnje kisika vježbajući do točke iscrpljenosti. Postoje i drugi načini mjerenja kondicije u laboratoriju, poput odziva otkucaja srca na testove vježbanja, ali oni zahtijevaju opremu kao što je traka za trčanje ili sobni bicikl. Uz to, naporna tjelovježba može biti opasna po zdravlje.

No, VO2max ne mjeri samo kondiciju; to je i snažan prediktor dijabetesa, srčanih bolesti i drugih rizika smrtnosti, kažu autori istraživanja. Međutim, budući da se većina VO2max testova radi na ljudima u razumnoj formi, teško je dobiti mjerenja ljudi kojih koji ne pucaju od snage i izloženi su riziku od kardiovaskularnih bolesti. Zbog toga su na Cambridgeu odlučili provjeriti jeli moguće točno predvidjeti VO2max pomoću podataka s nosivog uređaja, bez potrebe za testom vježbanja.

Savršena demonstracija

Sudionici studije nosili su nosive uređaje neprekidno šest dana, a senzori su prikupljali 60 vrijednosti u sekundi, što je rezultiralo ogromnom količinom podataka prije obrade. Istraživači su koristili duboku neuronsku mrežu za obradu i izdvajanje značajnih informacija iz neobrađenih podataka senzora i iz njih napravili predviđanja. 

"Ovo je savršena demonstracija kako možemo iskoristiti stručnost u epidemiologiji, javnom zdravstvu, strojnom učenju i obradi signala", komentiraju istraživači nalaze studije koja je pokazala kako nosivi uređaji mogu točno mjeriti fitness, ali da treba poboljšati transparentnost kako bi se vjerovalo mjerenjima komercijalno dostupnih nosivih uređaja.

Moć nosivih uređaja

"U načelu je istina da mnogi monitori za fitness i pametni satovi daju mjerenje VO2max, ali je vrlo teško procijeniti valjanost tih tvrdnji. Modeli se obično ne objavljuju, a algoritmi se mogu redovito mijenjati, što ljudima otežava da utvrde je li se njihova kondicija stvarno poboljšala ili se samo procjenjuje pomoću drugog algoritma", kažu istraživači koji tvrde da se bolji rezultati mogu postići kombinacijom bučnih podataka i tradicionalnih biomarkera. 

"Pokazali smo da vam nije potreban skupi test u laboratoriju da biste izmjerili svoje zdravstveno stanje; nosivi uređaji koje koristimo svaki dan mogu biti jednako moćni ako iza sebe imaju pravi algoritam", zaključuju istraživači s Cambridgea.