Introdução

A Neuropatia Autonômica Cardíaca (CAN) é uma grave complicação do diabetes que interrompe os nervos autônomos que controlam a frequência cardíaca e a pressão arterial. Esse comprometimento aumenta o risco de arritmias, isquemia miocárdica silenciosa e morte cardíaca súbita. Apesar de sua alta prevalência, afetando até 60% das pessoas com diabetes ao longo do tempo, o CAN permanece profundamente subdiagnosticado. Métodos de triagem padrão, como testes de Ewing, são infrequentes, inconvenientes e requerem equipamentos especializados e pessoal treinado. O surgimento de dispositivos de desgaste de nível clínico e consumidor oferece uma abordagem transformadora: monitoramento contínuo e não invasivo da função autonômica em ambientes reais. Ao capturar variabilidade da frequência cardíaca, padrões de atividade e outros sinais fisiológicos, os wearables poderiam permitir uma avaliação precoce e mais frequente do CAN, deslocando o paradigma do gerenciamento de risco cardiovascular reativo para o pró-ativo. Este artigo examina o papel atual, vantagens, limitações e trajetória futura da tecnologia vestível na detecção de CAN.

O que são dispositivos de uso?

Os dispositivos de desgaste são instrumentos eletrônicos usados no corpo que coletam, processam e transmitem dados biométricos continuamente ou em intervalos regulares. O espectro varia de smartwatches e bandas de fitness de mercado de massa a patches médicos de grau de prescrição e anéis inteligentes. Os sensores comuns incluem fotopletismografia (PPG) para monitoramento da frequência cardíaca, eletrodos para eletrocardiograma de chumbo único (ECG) gravações, acelerômetros para rastreamento de movimento e sensores de bioimpedância para hidratação ou estimativa da frequência respiratória. Os modelos mais recentes também medem a saturação de oxigênio sanguíneo (Spo2), temperatura da pele e pressão arterial, embora a precisão varie de acordo com o dispositivo e as condições de uso. Para a detecção de CAN, as métricas mais relevantes são frequência cardíaca (HR), variabilidade da frequência cardíaca (HRV), e, em alguns casos, sensibilidade barorreflexa ou alterações ortostáticas da frequência cardíaca. A força chave dos wearables é a sua capacidade de coletar dados ao longo das horas, dias e semanas, oferecendo uma visão longitudinal do tom autonômico que uma única visita clínica não consegue captar. Este monitoramento contínuo pode revelar ritmos, respostas

Tipos de desgastes usados na pesquisa de CAN

Várias categorias de dispositivos wearable foram investigadas para o rastreio de CAN. Cada um oferece diferentes equilíbrios de precisão, conveniência e custo:

  • Smartwatches (por exemplo, Apple Watch, Garmin, Samsung Galaxy Watch) – Dispositivos de consumo amplamente adotados com capacidade de PPG e ECG. Seu registro de VFC, tipicamente calculado durante o repouso ou sono usando SDNN ou RMSSD, é cada vez mais validado contra ECG de grau clínico para avaliação autonômica. Estudos recentes mostram forte correlação entre a VFC derivada de smartwatch e medidas padrão-ouro durante protocolos de respiração controlada.
  • Trackers de atividade (por exemplo, Fitbit, Whoop, Oura Ring) – Foco em HR e HRV contínuos com vida útil prolongada da bateria. Alguns modelos incorporam escores de recuperação proprietários com base nas tendências da HRV. Oura Ring, por exemplo, tem sido usado em estudos para capturar HRV noturno e detectar desvios que precedem o declínio autonômico em coortes de diabetes tipo 1.
  • Remendos de grau médico (por exemplo, Zio Patch, Monitor Ambulatório de Cravos) – Vestidos de prescrição que fornecem registros multidias, multi-lead ECG. Estes são considerados padrões de referência para análise ambulatorial de VFC, mas seu custo e exigência de prescrição limitam ampla acessibilidade para o rastreio.
  • Precintas torácicas passíveis de uso (por exemplo, Polar H10, BioHarness) – Use eletrodos de ECG para medições de VFC altamente precisas. São frequentemente usados em ambientes de pesquisa, mas são menos práticos para uso diário a longo prazo devido à irritação e desconforto da pele.
  • Anel inteligente e patches – Fatores de forma emergente, como o anel ÖURA ou o patch Lief Therapeutics oferecem experiências de desgaste menos intrusivas, enquanto ainda fornecem dados confiáveis de VFC durante o sono e descanso.

A escolha do dispositivo depende do caso de uso específico: os dispositivos de consumo são adequados para o rastreamento populacional e o automonitoramento do paciente, enquanto os dispositivos de grau médico permanecem essenciais para a confirmação diagnóstica e a pesquisa que requer alta precisão.

Como os desgastes ajudam na detecção de CAN

A neuropatia autonômica cardíaca é caracterizada pela perda progressiva da inervação parassimpática e, posteriormente, simpática do coração. A variabilidade da frequência cardíaca (VFC) - a variação nos intervalos de tempo entre batimentos cardíacos consecutivos - serve como um indicador direto não invasivo da regulação autonômica. Em indivíduos saudáveis, a VFC flutua em resposta à respiração, alterações posturais, atividade física e estados emocionais. Na CAN, essa variabilidade é significativamente atenuada. Os desgastes podem registrar continuamente intervalos interbeat (IBI) e calcular parâmetros de domínio-tempo e domínio-frequência da VFC:

  • SDNN (desvio padrão dos intervalos normal-normal) – reflete a saúde autonômica geral e é influenciada tanto pela atividade simpática quanto pela parassimpática.
  • RMSSD (quadro médio de raiz de diferenças sucessivas) – capta principalmente o tom parassimpático (vagal) e é particularmente sensível à disfunção autonômica precoce.
  • Relação baixa-frequência/alta-frequência (LF/HF) – utilizada como índice de equilíbrio simpático-parassimpático, embora sua interpretação exija cautela devido à variabilidade individual.
  • pNN50 (percentagem de intervalos entre o normal e o normal sucessivos que diferem em mais de 50 ms) – outra medida de domínio temporal correlacionada com a atividade vagal.

Numerosos estudos demonstraram que a VFC reduzida, medida por wearables, se correlaciona com a disfunção autonômica diagnosticada por meio de testes Ewing padrão-ouro. Um estudo de 2023 publicado em Diabetes Care relatou que um perfil de smartwatch de 7 dias de VFC poderia predizer a VFC com sensibilidade de 85% e especificidade de 82%.Outra investigação utilizando um anel de Oura para capturar VFC noturna encontrou que um declínio do DSRM abaixo de um limiar personalizado precedeu a deterioração autonômica clínica em indivíduos com diabetes tipo 1. Além disso, uma meta-análise combinando dados de mais de 1.000 participantes concluiu que a VFC derivada do desgaste tem uma sensibilidade agrupada de 78% e especificidade de 80% para detectar a VFC, com melhora de desempenho quando os dados de vários dias são agregados.

Além da VFC: Métricas adicionais de desgaste

Os roupão também fornecem outros sinais que contribuem para a detecção de CAN:

  • Resting cardiofrequency (RHR) – Um RHR persistentemente elevado, tipicamente acima de 90 batimentos por minuto, acompanha frequentemente a retirada parassimpática vista no início da CAN. Os wearables podem acompanhar as tendências da RHR ao longo das semanas, identificando aumentos que podem levar a testes adicionais.
  • Recuperação da taxa de coração (HRR) – A taxa na qual a frequência cardíaca diminui após o exercício. Uma HRR atrasada – por exemplo, uma queda de menos de 12 batimentos por minuto no primeiro minuto – é um marcador robusto de comprometimento autonômico.Smartwatches com detecção de treino pode medir a HRR automaticamente.
  • Padrão de frequência cardíaca noturna – Em indivíduos saudáveis, a frequência cardíaca dip durante o sono profundo devido à dominância parassimpática. Na CAN, este mergulho noturno é embotado. Os desgastes com capacidade de estadiamento do sono podem quantificar esse padrão e sinalizar anormalidades.
  • Resposta ortostática – Alguns dispositivos podem detectar alterações na frequência cardíaca quando o usuário se levanta de uma posição sentada ou deitada, proporcionando um proxy para a função barorreflexa. Uma falha em atingir o aumento esperado ou uma estabilização tardia pode indicar disfunção autonômica.

Ao combinar múltiplas métricas ao longo do tempo e aplicar modelos de aprendizado de máquina, alterações autonômicas sutis podem ser identificadas antes de se tornarem clinicamente óbvias. Algoritmos que incorporam dados acelerômetro para filtrar artefatos de movimento melhoram ainda mais a confiabilidade dessas medidas.

Vantagens da tecnologia de desgaste para detecção de CAN

Os benefícios potenciais do uso de wearables para detecção de CAN estendem-se muito além da conveniência.

Non-invasive and comfortable. Wearables require no needles, no trained technician, and no special clinical environment. Patients can wear them during daily activities, reducing anxiety and improving compliance with monitoring protocols. This accessibility is particularly important for individuals who avoid clinical visits due to time constraints or fear of medical procedures.

Coleta contínua de dados em tempo real. Em vez de um breve instantâneo de uma gravação clínica de 5 minutos, os wearables fornecem milhares de pontos de dados de VFC por dia. Esta profundidade capta ritmos circadianos, respostas pós-prandiais, recuperação de exercícios e reações de estresse – tudo isso pode influenciar o equilíbrio autonômico. As flutuações autonômicas intermitentes que seriam perdidas por testes periódicos tornam-se visíveis na análise de tendências de longo prazo.

Detecção e intervenção precoces. A tendência serial de VFC pode revelar um declínio gradual ao longo de semanas ou meses. Algoritmos podem detectar uma tendência descendente sustentada e gerar alertas, levando a encaminhamentos mais precoces para testes autonômicos formais ou modificação do controle glicêmico e medicamentos cardiovasculares.A intervenção precoce pode retardar a progressão da POC e reduzir o risco de eventos cardiovasculares adversos.

Monitorização remota de pacientes. Para populações rurais ou carentes, os dados wearable podem ser transmitidos para um portal clínico sem necessidade de visitas frequentes ao consultório.Esta capacidade se mostrou particularmente valiosa durante a pandemia de COVID-19, permitindo a continuidade do cuidado para o manejo da diabetes.A monitorização remota também reduz a carga sobre os sistemas de saúde e capacita os pacientes a assumir um papel ativo em sua saúde.

Reacções motivacionais para pacientes. Muitos wearables exibem tendências de VFC, escores de sono e níveis de estresse. Vendo seus próprios dados autonômicos pode incentivar os pacientes a adotar comportamentos mais saudáveis – como melhorar a higiene do sono, gerenciar o estresse e aderir a regimes de exercício – que, por sua vez, podem melhorar a função autonômica.Este ciclo de auto-reforço tem o potencial de melhorar a autogestão global do diabetes.

Potencial de rastreio em escala populacional. Com centenas de milhões de wearables já em uso, a implantação em larga escala poderia permitir o rastreio em massa para a CAN em populações de diabetes. Identificar indivíduos de alto risco precocemente poderia reduzir significativamente a morbidade e mortalidade associada à CAN. Mesmo modestas melhorias nas taxas de detecção teriam impacto substancial na saúde pública.

Apesar dessas vantagens, a detecção de CAN à base de desgaste ainda não está pronta para a tomada de decisão clínica independente devido a vários desafios significativos.

Desafios e Limitações

O caminho desde dados de consumo wearable até diagnóstico clínico confiável de CAN é obstruído por obstáculos técnicos, comportamentais e regulatórios que devem ser superados antes da adoção generalizada.

Precisão e validação de dados

As medidas de frequência cardíaca e VFC de wearables baseados em PPG são geralmente menos precisas do que as do ECG, especialmente durante o movimento, estados de perfusão baixos, ou em pacientes com fibrilação atrial ou batimentos ectópicos frequentes. Artefatos de movimento podem corromper dados inter-batimento, ruído artificialmente inflacionado de VFC. Mesmo sensores ópticos em dispositivos desgastados pelo pulso podem falhar até 10% das batidas durante o exercício moderado. Para detecção confiável de CAN, algoritmos devem filtrar artefatos sem remover a verdadeira variabilidade autonômica. Estudos de validação permanecem limitados; a maioria tem sido realizada em coortes relativamente saudáveis, jovens. Desempenho em indivíduos mais velhos, com neuropatia autonômica estabelecida, ou com tons de pele mais escura (onde a qualidade do sinal de PPG pode ser menor) é subestudado e representa uma lacuna crítica. Além disso, os dispositivos de consumo não são liberados pela FDA como dispositivos médicos para o diagnóstico de CAN, deixando os clínicos hesitantes para basear as decisões clínicas em seu resultado.

Conformidade com o usuário e vida útil da bateria

Para a análise contínua da VFC, os wearables precisam ser usados por pelo menos 24 horas, e idealmente vários dias para capturar a variabilidade do dia-a-dia. Muitos usuários param de usar dispositivos devido ao desconforto, irritação da pele de adesivos, ou a percepção de que os dados fornecem valor limitado. A vida da bateria é uma barreira prática: smartwatches típicos requerem carregamento diário, o que desencoraja o desgaste noturno necessário para a análise da VFC noturna. Os patches médicos com duração de registro mais longa (por exemplo, 14 dias) são desconfortáveis para alguns e podem causar dermatite de contato. Sem alta adesão do usuário, as lacunas de dados comprometem a capacidade de estabelecer linhas de base confiáveis e detectar tendências.

Privacidade e Integração de Dados

Os dados de uso são frequentemente armazenados em servidores de nuvem fabricante com políticas de privacidade variáveis. Os prestadores de saúde enfrentam dificuldades em integrar esses dados em registros eletrônicos de saúde (REHs) devido à falta de padronização de dados – diferentes dispositivos produzem diferentes métricas de VFC (por exemplo, SDNN vs. RMSSD vs. escores de estresse proprietário) e usam diferentes taxas de amostragem. As preocupações regulatórias sobre conformidade com HIPAA, propriedade de dados e consentimento para uso secundário permanecem não resolvidas. Além disso, os dispositivos de consumo não estão sujeitos aos mesmos controles de qualidade que os dispositivos médicos, levantando questões de responsabilidade se os dados são usados na tomada de decisão clínica. A ausência de integração sem desconexões em fluxos clínicos limita a utilidade prática de dados autonômicos derivados do desgaste.

Falta de Limiares Diagnósticos Padrão

O diagnóstico atual de NAC depende de testes padronizados de Ewing com valores de corte estabelecidos (por exemplo, resposta da frequência cardíaca à respiração profunda ≤ 10 batimentos por minuto). A VFC derivada do desgaste não tem limiares universalmente aceitos para a CAN. Idade, sexo, uso de medicamentos (especialmente betabloqueadores), aptidão física e comorbidades afetam a VFC. O que constitui baixa VFC para uma criança de 70 anos com insuficiência cardíaca difere de uma criança de 40 anos. Desenvolver nomogramas específicos para dispositivos ajustados para fenótipos é uma prioridade de pesquisa. Sem tais normas, o risco de erro de classificação – tanto falsos positivos quanto falsos negativos – é alto.

Falsos positivos e sobrediagnóstico

Como a VFC flutua com fatores transitórios como doença aguda, desidratação, consumo de álcool, sono ruim e estresse psicológico, uma única leitura baixa poderia sugerir falsamente a CAN. Os pacientes podem experimentar ansiedade, submeter-se a exames médicos desnecessários ou ser prescritos tratamentos que não necessitam. Algoritmos devem incorporar dados contextuais (nível de atividade, estágio de sono, estresse autorreferido) e exigir padrões sustentados em vez de gotas isoladas para mitigar falsos alertas. Modelos de aprendizagem de máquina que respondem por esses fatores de confusão estão em desenvolvimento, mas ainda não validados em cenários clínicos do mundo real.

Custo e Acessibilidade

Embora muitos wearables de consumo sejam relativamente acessíveis, os dispositivos mais precisos para a HRV – como patches de grau médico ou cintas torácicas – são caros e muitas vezes requerem uma prescrição. Além disso, nem todas as pessoas com diabetes têm acesso a smartphones ou a alfabetização digital necessária para usar a tecnologia wearable de forma eficaz. Disparidades no acesso podem exacerbar as desigualdades existentes em saúde se a triagem baseada em desgaste for adotada sem enfrentar essas barreiras. Garantir que a tecnologia seja inclusiva e disponível para todas as populações é essencial para uma implementação equitativa.

Orientações futuras e fronteiras de pesquisa

Apesar das limitações atuais, o campo está se movendo rapidamente para detecção de CAN com base em desgaste clinicamente válido. Várias áreas de desenvolvimento ativo mantêm promessa para superar os desafios existentes nos próximos cinco anos.

Inteligência artificial e Algoritmos Personalizados

Modelos de aprendizado de máquina treinados em grandes conjuntos de dados combinando VFC vestível, variabilidade glicêmica, registros de medicamentos e resultados clínicos podem identificar assinaturas precoces de CAN exclusivas para um indivíduo. Técnicas de aprendizagem profunda aplicadas à própria forma de onda PPG – análise da morfologia além da VFC simples – podem extrair informações autonômicas de cada onda de pulso.I explicativa pode fornecer aos clínicos características interpretáveis, como “VFC noturna diminuiu 30% nos últimos 14 dias”. Empresas como Cardiograma e Evidetion Health já estão explorando essas abordagens, e resultados preliminares mostram melhor sensibilidade e especificidade sobre as métricas convencionais de VFC.A aprendizagem federada também pode permitir treinamento de modelos entre instituições sem compartilhar dados sensíveis do paciente, acelerando a validação.

Fusão de Sensor Multimodal

Combinando a VFC com outras entradas vestíveis – atividade eletrodérmica (condutância cutânea), temperatura da pele, acelerometria (subtrair artefatos de movimento) e até mesmo monitoramento contínuo da glicose – pode melhorar a especificidade e contextualizar as alterações autonômicas. Por exemplo, um mergulho da VFC durante um episódio hipoglicêmico é uma resposta autonômica conhecida que não deve ser confundida com a progressão da CAN. A fusão do sensor permitirá algoritmos inteligentes diferenciarem variações patológicas da fisiológica, reduzindo falsos alertas e melhorando a confiança diagnóstica. Os desgastes que integram múltiplos sensores em um único dispositivo, como o monitor do pulso Biobeat, já estão entrando no espaço de pesquisa.

Clearance Regulatória e Ensaios Clínicos de Grande Escala

Vários fabricantes estão buscando a liberação do FDA 510 (k) para estratificação de risco baseada em HRV. O ensaio WATCH-DM[ está usando o Apple Watch para monitorar a VFC na neuropatia diabética, comparando resultados com cuidados padrão. Os resultados positivos podem levar à cobertura de seguros e inclusão em diretrizes clínicas. Outros ensaios multicêntricos, como o American Diabetes Association [] consenso sobre neuropatia autonômica, estão avaliando a utilidade de wearables para detecção precoce. A liberação regulatória também conduziria padronização de protocolos de medição e relatórios, facilitando a integração em EHRs.

Integração com plataformas de telessaúde

Plataformas como Directus (que alimenta muitas aplicações digitais de saúde) permitem uma integração flexível e de baixo código de dados wearable em painéis clínicos. Modelos de cuidados futuros podem incluir alertas automáticos quando a tendência noturna de um paciente de VFC cruza um limiar personalizado, desencadeando uma consulta virtual com um cardiologista ou endocrinologista. Essa integração traria rastreamento CAN para o domínio de cuidados preventivos pró-ativos, em vez de diagnóstico reativo após sintomas aparecer. Programas piloto combinando wearables com telessaúde já estão mostrando um engajamento melhorado do paciente e identificação mais precoce de declínio autonômico.

Valor prognóstico a longo prazo e estratificação de risco

A pesquisa em andamento tem como objetivo estabelecer se as tendências de VFC derivadas do desgaste podem predizer não só a presença de NAC, mas também eventos cardiovasculares futuros, como infarto do miocárdio, acidente vascular cerebral ou morte cardíaca súbita. Se validados, os vestíveis podem servir como ferramenta de estratificação contínua de risco, intensidade orientadora da terapia e frequência de seguimento. Estudos que coletam dados vestíveis multiano são necessários para determinar o tempo ideal e a duração do monitoramento para a predição de risco.

Conclusão

Os dispositivos de uso representam uma mudança de paradigma na detecção precoce da Neuropatia Autonômica Cardíaca, pois, ao fornecerem dados contínuos em tempo real sobre variabilidade da frequência cardíaca e outros marcadores autonômicos, podem identificar mudanças sutis que precedem os grandes eventos cardiovasculares, embora os desafios relacionados à acurácia, padronização, adesão ao usuário, custo e integração dos dados persistam, rápidos avanços na tecnologia de sensores, inteligência artificial e ciência regulatória estão estreitando o gap, pois, à medida que essas tecnologias amadurecem e se integram na rotina de cuidados com diabetes, elas têm o potencial de reduzir significativamente a morbidade e mortalidade associada à CAN. Clinicistas e pesquisadores devem continuar a validar, refinar e adotar essas abordagens, enquanto os sistemas de saúde trabalham para garantir um acesso equitativo, sendo o futuro da monitorização autonômica cardiovascular e o tempo de se preparar para sua chegada é agora.