H ΤΑΣΗ ΣΤΟ WELLNESS ΠΟΥ ΑΓΧΩΝΕΙ ΠΟΛΛΟΥΣ ΓΙΑΤΡΟΥΣ

Πόσο σε βοηθά να παρακολουθείς ανά πάσα στιγμή τους δείκτες υγείας και ευεξίας σου; Οι γιατροί εξηγούν γιατί τους προβληματίζει αυτή η νέα τάση στο wellness.

Τα τελευταία χρόνια ο δυτικός κόσμος ξοδεύει τεράστια ποσά προκειμένου να παρακολουθεί σημαντικούς δείκτες της φυσικής κατάστασης και της υγείας, μέσα από wellness εφαρμογές σε smartwatches (και όχι μόνο), που μας επιτρέπουν να παρακολουθούμε καθημερινά διάφορες παραμέτρους της φυσικής κατάστασης και της υγείας μας.

Αυτοί οι δείκτες υγείας μπορεί να περιλαμβάνουν τους καρδιακούς παλμούς, το οξυγόνο στο αίμα, την ποιότητα και τα στάδια του ύπνου, τα επίπεδα του στρες, τη θερμοκρασία του σώματος, τον κύκλο της έμμηνου ρύσεως κ.ά.

Την ίδια ώρα, δεν είναι λίγοι οι ειδικοί που αναρωτιούνται: μας κάνουν πράγματι τα δεδομένα αυτά πιο υγιείς;

Η συζήτηση αυτή άνοιξε σε ένα ενδιαφέρον podcast των New York Times, στο οποίο η Dr. Rachael Bedard, γηρίατρος και ιατρός παρηγορητικής φροντίδας, εξήγησε τι πραγματικά μας μαθαίνει το να παρακολουθούμε καθημερινά όλους αυτούς τους δείκτες και κατά πόσο θα μπορέσει μια μέρα η τεχνητή νοημοσύνη να δώσει νόημα σε όλα αυτά.

Είναι καλό να γνωρίζουμε ανά πάσα στιγμή τους δείκτες υγείας μας;

Όπως αναφέρεται στο podcast, την τελευταία δεκαετία οι γιατροί έχουν γίνει κάπως πιο επιφυλακτικοί ως προς την ιδέα ότι το να γνωρίζουμε περισσότερα για την υγεία μας είναι πάντα καλό. Όλες οι νέες «tracking» τεχνικές που είναι διαθέσιμες σήμερα μπορούν να παρέχουν έναν τεράστιο όγκο πληροφοριών, οι οποίες ενδέχεται να συνδέονται –ή και όχι– με ουσιαστικό τρόπο με το πώς αισθάνονται σωματικά οι άνθρωποι, με το πώς λειτουργεί ο οργανισμός τους και με την κλινική τους πορεία.

ΟΛΑ ΑΥΤΑ ΤΑ ΙΑΤΡΙΚΑ ΔΕΔΟΜΕΝΑ ΕΧΟΥΝ ΝΟΗΜΑ ΜΟΝΟ ΑΝ ΓΝΩΡΙΖΕΙ ΚΑΝΕΙΣ ΤΙ ΝΑ ΤΑ ΚΑΝΕΙ.

«Όταν μιλάμε για τη μελέτη ανθρώπων που νιώθουν υγιείς, προκειμένου να διαπιστωθεί αν ενδέχεται να νοσούν, αναφερόμαστε ουσιαστικά στον προληπτικό έλεγχο ενός υγιούς πληθυσμού για τον εντοπισμό κρυφών παθήσεων. Έχουν διεξαχθεί πολυάριθμες μελέτες με αυτόν τον στόχο και τα αποτελέσματα που έχουν προκύψει είναι πράγματι αντικρουόμενα», σημειώνει χαρακτηριστικά η Dr. Bedard.

«Η γνώμη μου είναι ότι όλα αυτά τα ιατρικά δεδομένα έχουν νόημα μόνο αν γνωρίζει κανείς τι να τα κάνει», συνεχίζει η ίδια. Για να εξηγήσει τι εννοεί, δίνει ενδεικτικά το παράδειγμα του προσυμπτωματικού ελέγχου για τη νόσο Αλτσχάιμερ – για την οποία μέχρι πρόσφατα υπήρχαν ελάχιστες διαθέσιμες παρεμβάσεις για άτομα με αυξημένο κίνδυνο.

iStock

Την τελευταία δεκαετία, όμως, έχουν αναπτυχθεί νέες τεχνικές ελέγχου, συγκεκριμένα εξετάσεις αίματος που μπορούν να εντοπίσουν ενδείξεις πρώιμων πλακών στον εγκέφαλο, οι οποίες σχηματίζονται πολύ πριν εκδηλωθούν συμπτώματα. Παράλληλα, έχουν εγκριθεί και νέες θεραπείες για άτομα στα πολύ αρχικά στάδια. «Και αυτό αλλάζει ριζικά τα δεδομένα. Αν είχαμε όλες αυτές τις εξετάσεις πριν από 20 χρόνια, χωρίς να έχουν θεραπευτικές επιλογές, πού θα ωφελούσαν; Θα ενημερώναμε απλά τους ανθρώπους για το αποτέλεσμα, χωρίς να είναι απόλυτο βέβαιο ότι θα νοσήσουν, προκαλώντας τους έντονο άγχος και αναστάτωση για την υπόλοιπη ζωή τους».

Συνεπώς, «το ερώτημα σχετικά με τη χρησιμότητα του προσυμπτωματικού ελέγχου και των δεδομένων που προκύπτουν από αυτόν συνδέεται άρρηκτα με το τι πρόκειται να κάνουμε με το αποτέλεσμα μόλις το λάβουμε».

Αντίστοιχους προβληματισμούς προκαλούν και τα full body scans, τα οποία έχουν γίνει «μόδα» τελευταία στις Η.Π.Α. και το Ηνωμένο Βασίλειο. Στο podcast γίνεται συγκεκριμένα αναφορά σε μια νέα τεχνική απεικόνισης ολόκληρου του σώματος με υπερήχους, η οποία προορίζεται για την παρακολούθηση της σύστασης του σώματος. Η συζήτηση, ωστόσο, επεκτείνεται στη χρήση τέτοιων τεχνικών για τον εντοπισμό πιθανών ανωμαλιών σε ανθρώπους χωρίς συμπτώματα.

«Αυτό είναι πρόβλημα για πολλούς λόγους: Ο ένας είναι ότι σε αυτά βρίσκουμε "πράγματα" που δεν ξέρουμε τι μπορεί να είναι. Τα αποκαλούμε "τυχαία ευρήματα", τα οποία έχουν εντελώς ακαθόριστη σημασία. Τι πρέπει, λοιπόν, να κάνουμε; Ξανά και ξανά εξετάσεις;

»Ο άλλος λόγος είναι ότι, τόσο σε εμένα όσο και σε άλλους γιατρούς, προκαλεί αμηχανία το γεγονός ότι όλο αυτό εντάσσεται σε μια ευρύτερη καταναλωτική τάση άμεσης πρόσβασης σε ιατρικές εξετάσεις – ή σε υπηρεσίες που σχετίζονται με αυτές, όπως π.χ. διάφορα τεστ που γίνονται στο σπίτι. Κι αν λάβεις τα αποτελέσματα και οι τιμές δεν βγουν φυσιολογικές, τι κάνεις; Πας στον γιατρό σου».

Όλη αυτή η διαρκής παρακολούθηση μπορεί να επιφέρει και μια πιο ανεπαίσθητη αλλαγή: άνθρωποι που μέχρι πρότινος θεωρούσαν ότι είναι υγιείς αρχίζουν, βλέποντας διάφορους δείκτες που μπορεί να έχουν ή να μην έχουν πραγματική σημασία, να αντιμετωπίζουν το σώμα τους ως κάτι που χρειάζεται διαρκή παρακολούθηση και βελτιστοποίηση.

iStock

Αντί, δηλαδή, μέτρο της ευεξίας τους να είναι το «Πώς νιώθω;» γίνεται το «Τι λέει το ρολόι μου για το πώς νιώθω;». Και με τον τρόπο αυτό δημιουργείται ένα nocebo effect: Αν, π.χ., το ρολόι σου πει ότι δεν κοιμήθηκες καλά, μπορεί να νιώσεις μεγαλύτερη κόπωση μέσα στην ημέρα, ανεξάρτητα από το αν πράγματι ο ύπνος σου ήταν κακός.

Αυτό δεν σημαίνει ότι τα wearables δεν μπορούν να έχουν οφέλη. Η Bedard αναφέρει ως απλό παράδειγμα τους μετρητές βημάτων, οι οποίοι μπορούν να παρακινήσουν κάποιον να περπατά περισσότερο, μετατρέποντας τη σωματική δραστηριότητα σε ένα είδος παιχνιδιού με καθημερινούς στόχους. Πολύ πιο σαφής είναι η χρησιμότητα των wearables όταν χρησιμοποιούνται για έναν συγκεκριμένο κλινικό σκοπό, όπως η παρακολούθηση του καρδιακού ρυθμού για τον εντοπισμό πιθανών αρρυθμιών.

Μπορεί η Τεχνητή Νοημοσύνη να δώσει νόημα σε όλα αυτά τα δεδομένα;

Εδώ και καιρό, η Silicon Valley επενδύει στην υπόσχεση ότι η Τεχνητή Νοημοσύνη θα μπορέσει να επεξεργαστεί τεράστιες ποσότητες δεδομένων και να εντοπίσει συσχετίσεις που ο άνθρωπος αδυνατεί να διακρίνει, οδηγώντας ενδεχομένως σε νέες ιατρικές ανακαλύψεις. Ορισμένοι ηγέτες του κλάδου φτάνουν μάλιστα στο σημείο να υποστηρίζουν ότι το ΑΙ θα μπορούσε να συμβάλει στη «θεραπεία του καρκίνου» ή ακόμη και άλλων ασθενειών. Πόσο βάσιμες είναι, όμως, αυτές οι υποσχέσεις;

Η Bedard δεν απορρίπτει αυτή την προοπτική. Θεωρεί ότι η συλλογή και η ανάλυση μεγάλου όγκου δεδομένων θα μπορούσε πράγματι να οδηγήσει στη διατύπωση νέων υποθέσεων και, τελικά, σε χρήσιμες ανακαλύψεις. Το κρίσιμο ζήτημα, ωστόσο, είναι η επιστημονική αυστηρότητα: πόσο αξιόπιστα είναι τα εργαλεία που συλλέγουν τα δεδομένα, από ποιους πληθυσμούς προέρχονται και, κυρίως, πώς μπορούμε να γνωρίζουμε ότι οι συσχετίσεις που εντοπίζουμε αποτυπώνουν πραγματικές σχέσεις αιτίου και αποτελέσματος. Η αργή και προσεκτική φύση της παραδοσιακής βιοϊατρικής έρευνας, τονίζει, αντανακλά ακριβώς τα μαθήματα που έχουμε πάρει από τις φορές που βιαστήκαμε να περάσουμε από τη συσχέτιση στην αιτιότητα.