24 nov

Sloppy science met Apple Watch samen met Cardiogram-app

smart-watchOp meerdere websites was rond 14 november 2017 te lezen dat hoge bloeddruk en het slaap-apneu-syndroom verrassend goed vast te stellen zou zijn met de app Cardiogram op een Apple Watch. De publicatie waarop dit verhaal gebaseerd is, werd als abstract op die datum gepubliceerd in het magazine Circulation van de American Heart Association. Het artikel oogt indrukwekkend met als titel: “Cardiovascular Risk Stratification Using Off-the-Shelf Wearables and a Multi-Task Deep Learning Algorithm “. Geschermd wordt met het gebruik van een “deep neural network” waarbij door middel van algoritmen computerprogramma’s voorspellingen kunnen doen over medische diagnose op basis van data afkomstig van “wearables”. Dat zijn draagbare sensors van lichaamsfuncties, zoals die zitten in diverse smart-watches en fitness-trackers(FitBit bijv.). Bij nadere beschouwing van de vermelde gegevens blijkt de accuratesse van de gebruikte methode nogal tegen te vallen en zullen de resultaten eerder ongerustheid bij smartwatch-dragers vergroten en leiden tot medische overconsumptie.

Lees verder

17 mrt

Sloppy thinking, sloppy statistics, sloppy science bij eHealthpromotie

iWatch en iPhoneHet Nederlandstalige internet magazine Computerworld kwam op 15 maart 2017 met een artikel voorzien van een opzienbarende kop. “Zo redt de Apple Watch levens met deep learning. De Apple Watch ontdekt diabetes en meer aan de hand van hartslag.” Bij kritische lezing van het stuk blijkt de vlag de lading niet te dekken. Aan een elektronisch apparaat en de bijbehorende software worden eigenschappen toegeschreven die in genen dele waar te maken zijn. De bewering dat met een smartwatch van Apple een ziekte als diabetes vastgesteld kan worden, epileptische aanvallen tijdig ontdekt kunnen worden, men vrij nauwkeurig een hoog cholesterolgehalte en slaap-apnoe kan vaststellen wekt zeer grote verwachtingen. De smartwatch zou dat doen op basis van de geregistreerde hartfrequentie en bewegingssensor, waarbij een algoritme kijkt naar verschillen en patronen. Data-analyse, machine learning en deep learning zouden de methodieken zijn waarmee deze afwijkingen vastgesteld kunnen worden. Grote woorden met weinig inhoud.  Met wat basale medische en statistische kennis is dit soort eHealth-propaganda snel te ontzenuwen. Ook blijkt deze berichtgeving mede gebaseerd te zijn op onderzoek dat eerder dit jaar, in januari 2017 gepubliceerd werd door de Stanford University uit de V.S. Die publicatie is gewoonweg “sloppy science”. In de laatste alinea staat er een verwijzing naar. Diagnostische eigenschappen worden daarin toegeschreven aan de zogenaamde wearables, smartwatches en handheld meters, die niet waar te maken zijn.

Lees verder