·
·
Sunday, 16 August 2026dailybeirut.com
Cultura y sociedad
Estudios revelan que las smartwatches no miden directamente la presión arterial ni las fases del sueño, sino que las estiman mediante algoritmos a partir de señales ópticas y de movimiento, lo que genera desviaciones significativas frente a los métodos médicos de referencia.
Las smartwatches de gama alta prometen datos biométricos precisos: horas de sueño, minutos en fase REM o profunda, frecuencia cardíaca, saturación de oxígeno e incluso presión arterial. Algunas muestran cifras con decimales y porcentajes que sugieren un laboratorio clínico portátil. Sin embargo, múltiples estudios científicos confirman que estos valores no son mediciones directas, sino estimaciones derivadas de algoritmos que interpretan señales indirectas.
El elevado precio de una smartwatch refleja costos asociados a su pantalla, procesador, batería, diseño, materiales, sistema operativo, conectividad, GPS y desarrollo de software —no necesariamente a la exactitud clínica de sus sensores. La mayoría de los dispositivos emplea un sensor óptico llamado PPG (fotopletismografía), que emite luz hacia la piel y analiza la variación de la luz reflejada por el flujo sanguíneo. A partir de esa señal, combinada con datos de acelerómetros y giroscopios, los algoritmos infieren parámetros fisiológicos. Pero existe una brecha fundamental: mientras el pulso puede vincularse de forma relativamente directa con la señal PPG, parámetros como la presión arterial o las etapas del sueño requieren inferencias mucho más complejas.
Los esfigmomanómetros tradicionales miden la presión arterial mediante un manguito neumático que comprime la arteria braquial y detecta cambios en el flujo sanguíneo. En cambio, los dispositivos sin manguito —incluidas muchas smartwatches— intentan deducir la presión a partir de alteraciones en la forma de la onda pulsátil, el tiempo de tránsito del pulso y modelos de aprendizaje automático. Según una declaración científica de la American Heart Association (AHA), los resultados de estos dispositivos suelen representar variaciones relativas respecto a una lectura inicial de calibración, no mediciones independientes y directas en cada uso. Por ello, las guías estadounidenses sobre hipertensión de 2025, emitidas por la AHA y la American College of Cardiology, recomiendan explícitamente no confiar en estos aparatos para diagnósticos clínicos hasta que demuestren niveles superiores de precisión y fiabilidad.
La U.S. Food and Drug Administration (FDA) también ha advertido contra el uso de funciones no aprobadas en smartwatches, anillos y otros wearables que afirman medir presión arterial. Una lectura inexacta podría provocar errores en la detección de hipertensión o hipotensión, o conducir a decisiones terapéuticas inadecuadas.
Al indicar que el usuario pasó 1 hora y 12 minutos en sueño profundo y 85 minutos en fase REM, la smartwatch da la impresión de haber monitoreado directamente la actividad cerebral. Pero el estándar médico de referencia para el estudio del sueño es la polisomnografía (PSG), que registra simultáneamente actividad electroencefalográfica, movimientos oculares y tono muscular. Las smartwatches, en cambio, solo capturan señales accesibles desde la muñeca: movimiento corporal, ritmo cardíaco y otras variables fisiológicas superficiales, y luego aplican algoritmos para asignar probabilidades a cada fase del sueño.
Una investigación publicada en 2025 en la revista *SLEEP Advances*, afiliada a la Universidad de Oxford, evaluó seis dispositivos comerciales —Apple Watch Series 8, Fitbit Sense, Fitbit Charge 5, Whoop 4.0, Garmin Vivosmart 4 y Withings ScanWatch— frente a estudios PSG realizados en 62 participantes. Todos los dispositivos mostraron una alta sensibilidad para detectar períodos generales de sueño (superior al 90 %), pero su capacidad para identificar correctamente los episodios de vigilia fue muy limitada: osciló entre el 29 % en el Garmin Vivosmart 4 y el 52 % en el Apple Watch Series 8. El Fitbit Sense alcanzó un 49 % y el Fitbit Charge 5 un 48 %.
Los investigadores explicaron este sesgo con claridad: una persona despierta, pero inmóvil y tumbada, resulta indistinguible para un sensor de muñeca de alguien dormido.
Las discrepancias no se limitaron a diferenciar sueño de vigilia. La misma investigación reveló errores sistemáticos en la estimación de las etapas del sueño. El Whoop 4.0 sobrestimó el sueño profundo en un promedio de 31 minutos frente al PSG, mientras que el Apple Watch Series 8 lo subestimó en unos 25 minutos. En la fase REM, Whoop sobrestimó en 15 minutos y Apple Watch subestimó en 13. Para el sueño ligero, el Apple Watch Series 8 sobrestimó en 59 minutos y el Withings ScanWatch subestimó en más de 33 minutos.
Estos hallazgos no implican que un modelo sea «malo» en términos absolutos, sino que subrayan que cualquier cifra mostrada —como «1 hora y 17 minutos de sueño profundo»— sigue siendo una estimación algorítmica, no una medición objetiva.
Otro estudio, publicado en 2026 también en *SLEEP Advances*, comparó dispositivos como Fitbit y Oura con exámenes PSG en adultos de distintas edades. Los resultados indicaron que los wearables siguen enfrentando dificultades para estimar ciertos parámetros, especialmente en personas mayores. Por ejemplo, tendieron a ubicar erróneamente el inicio del sueño antes de lo registrado por la PSG, lo que provoca una sobreestimación del tiempo total de sueño. Esto evidencia una limitación estructural clave: la relación entre movimiento, pulso y patrones de sueño no es uniforme entre diferentes edades, cuerpos o condiciones de salud.
El costo abarca componentes avanzados —pantalla de alta resolución, procesador, batería, GPS, resistencia al agua, materiales premium— y años de inversión en desarrollo de hardware y software. Aunque nuevas generaciones de dispositivos mejoran progresivamente su desempeño, ninguna puede sortear una restricción física fundamental: un algoritmo no puede calcular una señal que el sensor no ha capturado. Si la muñeca no registra ondas cerebrales, movimientos oculares ni actividad muscular, la clasificación del sueño dependerá siempre de inferencias a partir de datos indirectos. Y si no mide directamente la presión arterial en la arteria braquial, su valor será una reconstrucción basada en señales secundarias.
Sí, pero con una condición esencial: su valor radica en el seguimiento de tendencias, no en la exactitud puntual. La misma investigación de *SLEEP Advances* concluyó que dispositivos como el Apple Watch Series 8, el Fitbit Sense y el Fitbit Charge 5 pueden ser útiles para detectar cambios prolongados y significativos en los patrones de sueño. Si el promedio habitual de sueño es de siete horas y comienza a descender de forma constante durante varias semanas, esa tendencia puede ser más relevante que saber si anoche se obtuvieron 47 o 59 minutos de sueño profundo. Lo mismo aplica a otros biomarcadores: la smartwatch funciona como una herramienta eficaz para monitorear evoluciones y alertar sobre posibles alteraciones, pero no sustituye a los equipos médicos certificados cuando se requiere diagnóstico o toma de decisiones clínicas.
