Una semana de movimiento de la muñeca para predecir la enfermedad futura: lo que dos foundation models de acelerometría leen realmente en el UK Biobank

Un equipo de Stanford y Dinamarca (con James Zou y Emmanuel Mignot) codifica una semana de movimiento de la muñeca en 97 696 participantes del UK Biobank con dos foundation models congelados, y luego entrena un modelo de supervivencia para predecir 390 enfermedades futuras a la vez. La concordancia media alcanza 0,688, un único eje de « cuánto te mueves » explica el 76 % del riesgo predicho, y una firma prodrómica de la enfermedad de Parkinson destaca con claridad (AUROC a cinco años de 0,90 sobre 428 casos). Pero todo se apoya en una sola cohorte no representativa, sin validación externa, y los codificadores se preentrenaron con esos mismos datos.

El contexto

Los acelerómetros de muñeca — el sensor que, en un reloj inteligente, mide la aceleración del brazo en tres ejes — se han vuelto ubicuos. En una semana de uso registran la actividad física, el sueño y finas oscilaciones ligadas a la respiración. Sabemos desde hace una década que un bajo nivel de actividad predice la mortalidad; sabemos menos qué dice una semana de movimiento sobre el riesgo de desarrollar tal o cual enfermedad concreta, a lo largo de todo el « fenoma » (el abanico completo de patologías de un individuo). Trabajos anteriores sobre el UK Biobank — la gran cohorte británica de 500 000 voluntarios — extraían sobre todo resúmenes de actividad (minutos de actividad moderada, tiempo sedentario) o entrenaban un modelo por enfermedad. La pregunta de este preprint: ¿se puede convertir una semana bruta de señal en una representación reutilizable que prediga cientos de enfermedades simultáneamente?

El método

Se emplean dos « foundation models » — redes neuronales preentrenadas con grandes cantidades de datos sin etiquetar, reutilizables luego para múltiples tareas —, ambos desarrollados antes por el mismo equipo y dejados congelados (sus pesos no se reajustan aquí). Se entrenaron por autosupervisión (el modelo aprende a reconstruir una porción enmascarada de la señal sin etiqueta humana) sobre unos 109 000 registros del UK Biobank. El primero, llamado HA (Human Activity), es un autoencoder enmascarado basado en transformer — la arquitectura que procesa una secuencia ponderando la importancia relativa de sus elementos — que divide la señal en ventanas de 10 segundos y reconstruye un espectrograma (la descomposición del movimiento en frecuencias); apunta a los comportamientos diurnos. El segundo, AcceleRest, trabaja con ventanas de 30 segundos con un objetivo ligado a la amplitud respiratoria, y apunta al sueño y a la señal cardiorrespiratoria. Cada uno emite una representación vectorial (embedding) de 256 dimensiones por ventana.

Los datos provienen del subestudio de acelerometría del UK Biobank: un Axivity AX3 llevado en la muñeca dominante durante siete días, muestreado a 100 Hz. Tras el control de calidad, se conservan 97 696 participantes (56 % mujeres, edad media 62 años, desviación típica 8), repartidos en 87 652 para entrenamiento, 4 772 para validación y 5 272 en test, sin solapamiento de participantes. Los diagnósticos hospitalarios (códigos CIE-10) y las causas de muerte se agrupan en « phecodes »; los que afectan al menos al 0,30 % de la cohorte (389) más la mortalidad por todas las causas forman las 390 variables de resultado a predecir. Sobre las representaciones diarias — condensadas y luego concatenadas en un vector de 1 536 dimensiones — se entrena un modelo de supervivencia (que predice no una etiqueta sino el tiempo hasta la aparición de una enfermedad): un transformer deslizante sobre ventanas de tres días, con una pérdida de Cox multietiqueta (el modelo de referencia en análisis de supervivencia, extendido aquí a 390 enfermedades a la vez). Se añaden la edad y el sexo, y se promedian cuatro modelos con semillas aleatorias distintas. El rendimiento se lee en concordancia (índice C): la probabilidad, entre 0,5 y 1, de que el modelo asigne un riesgo mayor al paciente que enferma primero.

Los resultados

En los 5 253 participantes de test, la concordancia media es de 0,688 (IC 95 % 0,679–0,697) a través de las 388 variables evaluables — modesta en apariencia, pero por encima del azar en cada categoría. La mortalidad por todas las causas alcanza 0,767. El resultado más llamativo es estructural: un único eje, obtenido buscando la dirección principal de los riesgos predichos (tras retirar el efecto de la edad y el sexo), explica el 76 % de la varianza del riesgo, y casi todas las enfermedades se proyectan positivamente sobre él (97 % de cargas positivas). Dicho de otro modo, lo esencial de lo que capta la muñeca es un gradiente general de « salud/vigor » — cuanto más te mueves, menor es tu riesgo de casi todo. Los autores lo llaman SHARC y muestran que correlaciona sobre todo con la intensidad del movimiento (percentil 95 de aceleración, correlación −0,52) y el IMC (0,48).

Pero no es solo eso. Más allá de este eje compartido, una puntuación específica por enfermedad mejora aún la discriminación en 85 de las 101 variables bien provistas de casos. Las mayores ganancias corresponden a las enfermedades neurodegenerativas. En test, la enfermedad de Parkinson alcanza una concordancia de 0,91 (sobre solo 25 casos incidentes) y el Alzheimer 0,85 (15 casos). En el conjunto de la cohorte (análisis « out-of-fold » de mayor potencia, 428 casos de Parkinson, tiempo mediano hasta el diagnóstico de 4,9 años), el AUROC dependiente del tiempo — el área bajo la curva ROC calculada a un horizonte dado — es de 0,90 a cinco años (IC 0,873–0,923) y 0,87 a siete años. Punto crucial para descartar la causalidad inversa: tras el « lead-time washout » (se excluyen los casos diagnosticados en los tres años posteriores al uso, para comprobar que no se están leyendo ya síntomas motores instalados), el AUROC a siete años solo baja de 0,872 a 0,849. La señal parece, pues, prodrómica — anterior al diagnóstico — y no un mero reflejo de la enfermedad ya presente. El modelo incluso supera a un modelo a medida publicado para el Parkinson (precisión media prodrómica de 0,18 frente a 0,07).

La traducción clínica es indispensable aquí. Un AUROC de 0,90 en una enfermedad que afecta al 0,44 % de la cohorte no es una prueba diagnóstica. Señalar al 10 % de participantes de mayor riesgo capta el 77 % de los futuros Parkinson — pero ese 10 % son casi 9 700 personas, la inmensa mayoría de las cuales nunca desarrollará la enfermedad. En el encuadre prodrómico, la precisión media es de 0,18: útil para enriquecer una cohorte de ensayo (61 veces la prevalencia de base), inútil para tranquilizar o alarmar a un individuo. Esa es la diferencia entre cribar una población y diagnosticar a una persona.

Lo que está bien

Una escala y una amplitud reales. 97 696 participantes, 390 enfermedades predichas por un solo modelo a partir de embeddings congelados y reutilizables: el coste marginal de añadir una enfermedad es nulo, y una semana de uso basta. Es una demostración creíble de que una señal bruta de muñeca codifica información de salud amplia, mucho más allá de los minutos de actividad que suelen extraerse.

Comparadores honestos. A diferencia de muchos estudios que solo muestran su mejor métrica, los autores se miden con las líneas de base correctas: edad + sexo + IMC solos dan 0,639, una regresión sobre los resúmenes de actividad estándar del UK Biobank 0,577, y la muñeca sola 0,684 — añadir edad y sexo aporta solo +0,005. Van más lejos al mostrar que la edad, el sexo y el IMC son ellos mismos reconstruibles desde el embedding (sexo AUROC 0,997, edad r 0,852), una transparencia rara sobre los factores de confusión agazapados en la representación.

Una señal prodrómica cuidadosamente probada. El washout a tres años, la réplica geográfica interna (leave-one-region-out, 0,65–0,67), la calibración reportada (pendiente mediana 1,03) y el análisis de curva de decisión muestran a un equipo que intenta activamente romper su propio resultado en lugar de venderlo. Que la firma de Parkinson sobreviva al washout es el hallazgo más interesante del artículo.

Lo que está menos bien

Ninguna validación externa — y una posible fuga de representación. Todo se apoya en el UK Biobank. Pero los dos codificadores se preentrenaron con los mismos registros: solo las etiquetas de enfermedad se mantienen al margen, no la representación. El modelo nunca ha visto otro dispositivo (el Axivity AX3 de investigación no es ni un Apple Watch ni un Fitbit), otra población, otro sistema de codificación. Es precisamente el paso — la validación externa — que hace derrumbarse a la mayoría de los modelos de IA-salud, y aquí falta; los autores lo reconocen explícitamente.

Un sesgo de población importante. El UK Biobank es un arquetipo del sesgo del voluntario sano: participantes más educados, más acomodados y más sanos que la población general, con pocos muy jóvenes o muy mayores. La exigencia de llevar un sensor siete días elimina aún más a los pacientes más afectados — hasta el punto de que, en esta cohorte, la demencia registrada es más rara que el Parkinson, lo contrario de la realidad. Además, las variables de resultado provienen solo del hospital y de los certificados de defunción: alrededor de la mitad de las demencias y el 39 % de los ictus se codifican solo en atención primaria y escapan por tanto al recuento, lo que subestima los casos y sesga la discriminación.

Un único eje que parece forma física. Que el 76 % del riesgo predicho penda de un solo gradiente correlacionado con la intensidad del movimiento y el IMC invita a la prudencia: para la mayoría de las 390 enfermedades, el modelo reproduce sobre todo « la gente en forma enferma menos », verdad útil pero poco específica, y en parte confundida con la edad y la corpulencia (que el embedding ya codifica). La verdadera novedad — las firmas específicas, en particular neurodegenerativas — se apoya en efectivos a veces minúsculos (25 casos de Parkinson, 15 de Alzheimer en test), de ahí los amplios intervalos de confianza. Por último, ni los pesos ni los datos son compartibles (política del UK Biobank) y el código solo se promete para la publicación: la reproducibilidad inmediata es nula.

Lo que cambia

Para la comunidad de investigación, la idea de embeddings de acelerometría congelados y reutilizables como sustrato de todo el fenoma es atractiva y probablemente se extenderá. El paso obligado siguiente es la validación en dispositivos de consumo y cohortes no británicas — sin la cual la generalización sigue siendo una hipótesis. La firma prodrómica del Parkinson merece probarse de forma prospectiva: como herramienta para enriquecer ensayos clínicos (localizar poblaciones de alto riesgo para probar neuroprotectores), no como prueba individual.

Para los clínicos, hoy no cambia nada. Ningún reloj « detecta el Parkinson » sobre esta base; lo que se muestra es que una semana de movimiento contiene una señal estadística de riesgo, a la escala de una población muy particular. La distinción población/individuo aquí es de todo menos académica.

Para los pacientes y el público, dos mensajes. Primero: parte de lo que su muñeca « sabe » de su salud futura es simplemente su forma física general, edad y corpulencia incluidas. Segundo: un AUROC impresionante en una enfermedad rara no autoriza ninguna alarma individual — del 10 % señalado, casi nadie desarrollará la enfermedad.

Para saber más

El preprint « Dual foundation models for accelerometry predict future health » está disponible en medRxiv (10.64898/2026.07.24.26358894), firmado por Marcus Dige, Niels R. Lorenzen, Magnus Ruud Kjær, Angus Burns, Poul Jennum, Emmanuel H. During, James Zou, Emmanuel Mignot y Andreas Brink-Kjaer (Stanford Sleep Medicine y Biomedical Data Science; Technical University of Denmark; Rigshospitalet; Icahn School of Medicine at Mount Sinai; Harvard Medical School). Estudio realizado bajo la UK Biobank Application 62249, con aprobación ética del NHS North West Multi-centre Research Ethics Committee; sin conflicto de intereses declarado; licencia CC BY-NC-ND 4.0. Datos y pesos no compartibles (política UK Biobank), código anunciado para la publicación. Sobre los foundation models médicos, la autosupervisión y la predicción de riesgo, véanse nuestros decryptages sobre la convergencia representacional de los foundation models médicos, sobre el error de reconstrucción de un autoencoder enmascarado como predictor de mortalidad, y sobre la predicción genética de la enfermedad de Parkinson.

Transparencia editorial: versión francesa redactada y firmada por la redacción de Tatakoto a partir de la lectura del preprint. Las concordancias en test para la enfermedad de Parkinson se basan en un número muy pequeño de casos (25); el AUROC a cinco años de 0,90 proviene del análisis out-of-fold sobre el conjunto de la cohorte (428 casos). Traducciones al inglés, español y chino producidas con asistencia de IA y revisadas.