Чего не покажет фитнес-трекер, даже если носить его годами, и что добавляет ДНК-тест

Фитнес-трекеры, смарт-часы, браслеты Whoop и кольца Oura — все эти носимые устройства ежедневно собирают данные о вашем сне, пульсе, активности и восстановлении. Утром приложение показывает, сколько вы спали, как менялся сердечный ритм и как алгоритм оценил качество сна, уровень нагрузки или готовность организма к новому дню. Данные накапливаются месяцами и годами, графики становятся всё детальнее, но остаётся вопрос: значит ли это, что мы уже достаточно знаем о своём организме?

Данные смарт-устройств позволяют проследить изменения в течение дня, месяца или года. Однако сами цифры и их динамика не показывают всех факторов, влияющих на физиологию организма. На неё влияют текущее состояние здоровья, образ жизни, условия среды и индивидуальные биологические особенности, в том числе генетические.

Что измеряет фитнес-трекер

Носимые устройства всё активнее используются для непрерывного физиологического мониторинга как в клинических условиях, так и дома (Babu et al., Annu. Rev. Med., 2024). Их встроенные сенсоры фиксируют первичные физиологические сигналы. Фотоплетизмограф регистрирует пульсовые изменения объёма крови в микрососудистом русле, акселерометр — движение запястья, а температурный сенсор — температуру кожи.

На основе этих сигналов алгоритмы рассчитывают частоту сердечных сокращений, продолжительность сна, вариабельность сердечного ритма и оценки восстановления. Часть показателей в приложении не измеряется напрямую, а является результатом обработки данных. Так, точность этих показателей зависит от характеристик сенсоров и алгоритмов, расположения устройства на теле и условий ношения.

Метаанализ 24 систематических обзоров, обобщающий 249 уникальных валидационных исследований и охватывающий 430 465 участников, подтверждает значительную неоднородность точности между устройствами и метриками: среднее смещение для частоты сердечных сокращений составляло около ±3%, тогда как погрешность для интенсивности физической активности колебалась от 29% до 80% в зависимости от уровня нагрузки (Doherty et al., Sports Medicine, 2024).

Длительное наблюдение помогает увидеть индивидуальную динамику, но не устраняет погрешностей измерения. Случайные отклонения могут частично усредняться, тогда как систематическое смещение сенсора или алгоритма обычно сохраняется. Сопоставимость результатов также может измениться после обновления программного обеспечения, замены устройства или изменения условий ношения.

Почему данные трекера называют цифровым фенотипом

Несмотря на погрешности отдельных измерений, данные, накопленные во времени, помогают определить типичный диапазон показателей и заметить, когда сон, пульс или активность отклоняются от привычного для конкретного человека уровня. Они также позволяют проследить, при каких условиях возникают такие изменения — например, после недосыпания, интенсивной физической нагрузки или изменения режима дня.

Такое цифровое отображение физиологических и поведенческих характеристик человека в научной литературе называют цифровым фенотипом. К нему относятся как данные, которые человек вводит сам — например, оценка самочувствия или внесение информации о тренировке вручную через приложение, — так и данные, которые устройство фиксирует автоматически, без участия или специальных действий пользователя. Показатели фитнес-трекера в основном относятся ко второму типу (Dlima et al., JMIR Bioinformatics and Biotechnology, 2022).

Цифровой фенотип показывает, как меняются наблюдаемые показатели в реальных условиях. Генетические данные относятся к другому уровню информации: они не объясняют каждое отдельное колебание, но могут дать контекст относительно унаследованных особенностей, связанных с соответствующим направлением.

Как генетические данные соотносятся с цифровым фенотипом

Генетический тест определяет унаследованные варианты ДНК и использует данные крупных геномных ассоциативных исследований для оценки их совокупного вклада. Для сложных полигенных признаков результат показывает относительную генетическую предрасположенность по сравнению с референтной популяцией. Он не отражает текущее состояние здоровья и не предсказывает, как именно проявится признак у конкретного человека.

В отличие от показателей цифрового фенотипа, унаследованные генетические варианты остаются неизменными на протяжении жизни, поэтому их достаточно определить один раз (Xiang et al., Genome Medicine, 2024). При этом их научная интерпретация может обновляться вместе с новыми GWAS, референсными базами и методами расчёта. Итак, меняются не сами генетические данные, а научные модели, с помощью которых оценивают их значение.

Подробнее о том, как формируется полигенная оценка риска и что означают её цифры, — Что такое PRS, и что означают цифры в вашем отчёте.

Как данные с носимых устройств используют в генетических исследованиях

В рамках проекта ABCD (Adolescent Brain Cognitive Development), посвящённого когнитивному развитию мозга подростков, было проанализировано более 250 признаков, сформированных из данных Fitbit, и использовано их как количественные цифровые фенотипы для поиска генетических ассоциаций. Такой подход помог выявить 16 геномно значимых локусов и 37 генов, связанных с исследуемыми психиатрическими фенотипами (Liu et al., Cell, 2025).

Это доказывает, что генетические данные могут дополнять цифровой фенотип и помогать исследовать биологические факторы, связанные с различиями между людьми. В то же время результат отдельного ДНК-теста не объясняет отдельный показатель трекера за конкретный день: генетическая предрасположенность описывает долгосрочный контекст, а значение на экране формируется также под влиянием текущего состояния организма, поведенческих факторов, условий среды и измерения.

Границы персональной интерпретации данных

Носимое устройство не анализирует генотип человека. Оно отслеживает сон, пульс, движение и другие измеряемые признаки, но не даёт информации о генетических особенностях, связанных с различиями этих признаков между людьми. Генетический тест, в свою очередь, не измеряет текущий уровень стресса, качество сна за конкретную ночь или текущую вариабельность сердечного ритма: эти показатели зависят от режима, состояния организма, привычек, условий среды и других факторов.

Более высокая или более низкая оценка генетической предрасположенности не показывает, как человек спал этой ночью. Конкретное значение sleep score, HRV или другого показателя трекера зависит от многих факторов, которые генетический тест не измеряет. Ни один из двух инструментов не устанавливает диагноз и не заменяет консультацию врача. Наибольшую ценность эти данные имеют тогда, когда их рассматривают вместе с лабораторными показателями, текущим состоянием и клиническим контекстом.

Данные систематических обзоров по валидации носимых устройств показывают, что точность измерений существенно различается между моделями и типами показателей (Doherty et al., Sports Medicine, 2024). Поэтому даже показатели одного типа, полученные с разных устройств, не стоит сравнивать напрямую.

Осторожно следует интерпретировать и связь этих показателей с генетикой. Популяционные исследования могут оценивать наследуемость отдельных признаков, но такая оценка не показывает, какая часть конкретного HRV или sleep score отдельного человека связана с генетическими особенностями.

На практике данные трекера и генетического теста не заменяют друг друга. Генетические данные добавляют долгосрочный контекст относительно отдельных направлений, а трекер показывает, как соответствующие показатели меняются в повседневной жизни. Вместе с данными о текущем состоянии и результатами обследований это даёт более широкий контекст для интерпретации.

Отчёт Apixmed Prism может дополнить данные трекера информацией о генетической предрасположенности по направлениям, которые входят в выбранный тест, в частности по сну, восстановлению, реакции на физическую нагрузку, питанию или метаболическим особенностям. Данные с носимого устройства не загружаются в отчёт автоматически, но могут помочь точнее сформулировать вопросы к результатам теста и обсуждению с врачом.

Ценность не в количестве данных, а в их интерпретации

Данные носимого устройства отражают измеряемые признаки в определённый период и при конкретных условиях, тогда как генетический тест оценивает унаследованные особенности, связанные с индивидуальными различиями сна, восстановления, метаболизма и реакции на нагрузку. Генетический контекст не объясняет каждое изменение показателей трекера, но добавляет информацию об унаследованных особенностях, которую невозможно получить даже при длительном наблюдении с носимым устройством.

Узнать больше о своём генетическом контексте

Результаты генетического теста — это не диагноз и не замена консультации врача. Отчёт Apixmed Prism даёт генетический контекст, который дополняет результаты обследований и помогает принимать решения вместе с врачом.

Источники

1. Liu, J. J., Borsari, B., Li, Y., Liu, S. X., Gao, Y., Xin, X., Lou, S., Jensen, M., Garrido-Martín, D., Verplaetse, T. L., Ash, G., Zhang, J., Girgenti, M. J., Roberts, W., & Gerstein, M. (2025). Digital phenotyping from wearables using AI characterizes psychiatric disorders and identifies genetic associations. Cell, 188(2), 515–529.e15. https://doi.org/10.1016/j.cell.2024.11.012

2. Doherty, C., Baldwin, M., Keogh, A., Caulfield, B., & Argent, R. (2024). Keeping Pace with Wearables: A Living Umbrella Review of Systematic Reviews Evaluating the Accuracy of Consumer Wearable Technologies in Health Measurement. Sports Medicine, 54(11), 2907–2926. https://doi.org/10.1007/s40279-024-02077-2

3. Dlima, S. D., Shevade, S., Menezes, S. R., & Ganju, A. (2022). Digital Phenotyping in Health Using Machine Learning Approaches: Scoping Review. JMIR Bioinformatics and Biotechnology, 3(1), e39618. https://doi.org/10.2196/39618

4. Xiang, R., Kelemen, M., Xu, Y., Harris, L. W., Parkinson, H., Inouye, M., & Lambert, S. A. (2024). Recent advances in polygenic scores: translation, equitability, methods and FAIR tools. Genome Medicine, 16, 33. https://doi.org/10.1186/s13073-024-01304-9

5. Babu, M., Lautman, Z., Lin, X., Sobota, M. H. B., & Snyder, M. P. (2024). Wearable Devices: Implications for Precision Medicine and the Future of Health Care. Annual Review of Medicine, 75, 401–415. https://doi.org/10.1146/annurev-med-052422-020437