La UK Health Security Agency e la società svedese Sleep Cycle hanno analizzato se i dati sulla tosse raccolti passivamente durante il sonno attraverso un’applicazione per smartphone possano essere utilizzati come segnale anticipato della diffusione delle infezioni respiratorie in Inghilterra. Lo studio ha evidenziato che gli aumenti della tosse notturna tendevano a comparire circa una settimana prima dell’incremento dell’attività influenzale e di COVID-19, mostrando una buona corrispondenza anche tra differenti aree geografiche. In particolare, l’andamento della tosse rilevata dall’app risultava strettamente associato ai livelli di malattia respiratoria registrati attraverso il servizio telefonico NHS 111, indicando la possibilità di affiancare questi dati digitali ai sistemi epidemiologici già utilizzati per monitorare la circolazione delle infezioni.
La ricerca ha confrontato i dati settimanali relativi alla tosse notturna raccolti tra gennaio 2023 e gennaio 2026 con diversi indicatori utilizzati dalla UKHSA. Tra questi figuravano le chiamate di triage all’NHS 111 per infezioni respiratorie acute, la percentuale di test PCR positivi per influenza e COVID-19 e i ricoveri ospedalieri associati a influenza, COVID-19 e virus respiratorio sinciziale. Sono state esaminate tre diverse metriche: il numero totale di colpi di tosse rilevati, il numero di eventi per singolo utente e il numero di colpi di tosse per ora di sonno. Le associazioni più forti sono emerse con le chiamate all’NHS 111 per infezioni respiratorie acute. Le metriche normalizzate sulla popolazione hanno mostrato correlazioni nazionali grezze vicine a 0,95 e hanno mantenuto correlazioni superiori a 0,55 anche dopo l’eliminazione statistica degli effetti dovuti alla stagionalità e alle tendenze di lungo periodo.
Il numero di colpi di tosse per ora di sonno raggiungeva il proprio picco circa una settimana prima della positività PCR per influenza. Nel caso di COVID-19, sia il numero di colpi di tosse per utente sia quello calcolato per ora di sonno mostravano il massimo livello di associazione con un anticipo di circa una settimana rispetto all’aumento della positività ai test. I rapporti con gli indicatori ospedalieri erano invece meno marcati. Le metriche normalizzate risultavano sostanzialmente contemporanee ai ricoveri per influenza, mentre per i ricoveri legati a COVID-19 emergevano associazioni anticipatorie più brevi. Il semplice conteggio complessivo dei colpi di tosse produceva invece risultati meno stabili e sequenze temporali spesso difficili da interpretare, perché fortemente influenzate dalle variazioni nel numero di utenti attivi e dalla quantità totale di ore di sonno registrate. Per un eventuale utilizzo epidemiologico vengono quindi considerate più affidabili le misure normalizzate rispetto ai conteggi grezzi.
Sleep Cycle utilizza l’intelligenza artificiale per analizzare i suoni prodotti durante il sonno e fornire agli utenti informazioni sulle proprie abitudini notturne. Gli episodi di tosse vengono identificati attraverso un modello di machine learning che opera direttamente sullo smartphone e analizza segmenti audio sovrapposti della durata di dieci secondi durante le sessioni di sonno avviate volontariamente dall’utente. L’elaborazione viene effettuata localmente sul dispositivo e l’audio originale non viene trasmesso ai server della società. Prima dell’invio dei dati vengono inoltre rimossi gli identificativi personali e alterate le coordinate geografiche, mentre le informazioni condivise per la ricerca sono aggregate e protette attraverso tecniche di differential privacy.
Il numero di utenti osservati variava sensibilmente in funzione della regione inglese. La media giornaliera andava da 3.482 utenti nel South West fino a 11.427 utenti a Londra. Tra le persone che avevano scelto volontariamente di fornire informazioni demografiche, l’età media era di 37,9 anni; il 59,3% risultava di sesso maschile e il 40,2% di sesso femminile. La composizione del campione rappresenta anche uno dei principali limiti dello studio, poiché gli utenti di Sleep Cycle tendono a essere più giovani rispetto alla popolazione generale e risultano maggiormente concentrati nelle aree urbane, in particolare a Londra e nell’Inghilterra meridionale.
La collaborazione tra UKHSA e Sleep Cycle era stata avviata il 28 gennaio 2026 attraverso un progetto di ricerca della durata prevista di dodici settimane. Per l’agenzia sanitaria britannica si trattava della prima valutazione sistematica dei dati provenienti da un’applicazione dedicata al sonno come possibile strumento per il monitoraggio epidemiologico nazionale. Nell’ambito dell’accordo non sono stati trasferiti dati della UKHSA a Sleep Cycle: le analisi sono state svolte all’interno dei sistemi protetti dell’agenzia da un gruppo di ricerca dedicato, mentre la società svedese ha fornito esclusivamente informazioni anonimizzate, aggregate e sottoposte a protezioni specifiche per la privacy, provenienti dalla propria raccolta di dati autorizzata dagli utenti.
Uno dei vantaggi potenziali del monitoraggio passivo della tosse riguarda la rapidità con cui il segnale può diventare disponibile. Molti sistemi di sorveglianza tradizionali dipendono infatti dalla decisione delle persone di rivolgersi ai servizi sanitari, un comportamento che può essere influenzato dal livello di consapevolezza della popolazione, dalla disponibilità dei servizi e dalle differenze demografiche o socioeconomiche. A questi fattori si aggiungono i tempi necessari per l’elaborazione dei test di laboratorio e per la trasmissione e il consolidamento dei dati. La rilevazione della tosse avviene invece automaticamente durante il normale utilizzo dell’app durante il sonno e può essere aggiornata quotidianamente. I dati analizzati presentavano un ritardo di reporting inferiore a un giorno, mentre diverse fonti normalmente utilizzate dalla UKHSA possono richiedere alcuni giorni prima di diventare disponibili.
Il sistema non viene comunque considerato un sostituto degli strumenti di sorveglianza esistenti. La valutazione riguarda la possibilità di utilizzare la tosse notturna come segnale complementare capace di fornire indicazioni tempestive sulle variazioni delle malattie respiratorie a livello di popolazione, riducendo l’influenza esercitata dai comportamenti di accesso alle cure, dai tempi di laboratorio e dai ritardi legati all’aggiornamento retrospettivo dei dati. Lo studio ha inoltre analizzato associazioni temporali retrospettive e non la capacità del sistema di prevedere realmente un’epidemia mentre questa si sta sviluppando. Per dimostrare un’effettiva utilità operativa sarà quindi necessario confrontare il metodo in tempo reale con modelli previsionali già utilizzati nella sorveglianza sanitaria.
I risultati relativi al virus respiratorio sinciziale sono rimasti inconcludenti. Tra le possibili cause vengono indicate la minore durata della serie temporale disponibile e soprattutto la diversa composizione della popolazione che utilizza l’app rispetto ai gruppi maggiormente colpiti dalle forme gravi di RSV. Le fasce di popolazione più rappresentate tra gli utenti di Sleep Cycle non coincidono infatti necessariamente con quelle nelle quali il virus respiratorio sinciziale produce il maggior numero di ricoveri e complicanze.
Le successive fasi della ricerca prevedono quindi una valutazione prospettica dei dati sulla tosse notturna all’interno di un vero sistema operativo di sorveglianza epidemiologica. Tra le possibilità considerate figurano l’integrazione di questi indicatori nei dashboard già utilizzati per il monitoraggio delle infezioni respiratorie e la verifica del loro comportamento durante le prossime stagioni influenzali e respiratorie. L’obiettivo sarà stabilire se il segnale osservato retrospettivamente possa conservare lo stesso anticipo e la stessa stabilità quando utilizzato in tempo reale, permettendo di individuare più rapidamente l’inizio di variazioni significative nella circolazione di influenza e COVID-19.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)