Más allá de sentirse bien: lo que los wearables revelan sobre la verdadera recuperación después de una infección

Durante años, en la práctica clínica hemos asumido que la recuperación de una infección coincide, en gran medida, con la desaparición de los síntomas. El paciente deja de tener fiebre, mejora la tos, recupera energía… y damos por concluido el episodio. Sin embargo, este supuesto —tan arraigado en la medicina— comienza a tambalearse cuando incorporamos una nueva capa de observación: la fisiología continua capturada por dispositivos digitales.

El estudio que analizo aquí propone una pregunta aparentemente simple pero profundamente disruptiva: ¿cuándo termina realmente una infección? Para responderla, los autores diseñaron un estudio prospectivo de dos años que integra datos clínicos, autorreportes y, lo más interesante, mediciones continuas provenientes de smartwatches.

La cohorte incluyó casi 5000 participantes en Israel, seguidos longitudinalmente mientras se monitorizaban tres infecciones comunes: COVID-19, influenza y estreptococo del grupo A. A cada participante se le proporcionó un reloj inteligente capaz de registrar variables como frecuencia cardíaca y una métrica derivada de la variabilidad de la frecuencia cardíaca (HRV), utilizada como indicador de estrés fisiológico. Además, los pacientes completaban cuestionarios diarios sobre síntomas.

Aquí emerge un concepto clave del estudio: la “recuperación digital”. A diferencia de la recuperación clínica tradicional —basada en la percepción del paciente—, la recuperación digital se define como el momento en que parámetros fisiológicos como la frecuencia cardíaca y la HRV regresan a su línea basal previa a la infección.

Este punto es fundamental. La HRV, por ejemplo, refleja la variabilidad entre latidos cardíacos y se considera un marcador indirecto del equilibrio del sistema nervioso autónomo. Una HRV baja suele asociarse con estrés fisiológico o inflamación. Así, al combinar frecuencia cardíaca y HRV, los autores construyen un proxy continuo de la carga fisiológica del organismo.

Los resultados son, en mi opinión, uno de los hallazgos más reveladores en salud digital de los últimos años. De forma consistente, en las tres enfermedades estudiadas, la recuperación digital ocurrió después de la resolución de los síntomas. Es decir, los pacientes se sentían bien, pero su organismo aún no había vuelto a la normalidad.

La magnitud de esta discrepancia varió según la enfermedad y la severidad. En casos leves de COVID-19, los síntomas desaparecían en aproximadamente 8.5 días, pero la recuperación fisiológica tardaba una semana adicional. En casos moderados a severos, la diferencia era mucho más dramática: más de 60 días adicionales para que los parámetros cardíacos regresaran a su basal .

La influenza mostró un patrón similar, aunque menos prolongado: unos días extra en casos leves y hasta una semana adicional en casos más severos. En el caso del estreptococo, la discrepancia fue menor, pero aún presente en cuadros moderados.

Lo interesante no es solo el retraso en la recuperación fisiológica, sino la desconexión conductual que se observa. Según los datos del estudio, en el momento en que los pacientes reportaban estar libres de síntomas, su nivel de actividad —medido por pasos, distancia o calorías activas— ya había regresado a la normalidad. Es decir, desde el punto de vista conductual, los pacientes ya estaban actuando como si estuvieran completamente recuperados.

Esto plantea una tensión crítica: el cuerpo aún está en proceso de recuperación, pero el comportamiento ya ha vuelto a la línea base. Desde una perspectiva clínica, esto podría tener implicaciones en recaídas, complicaciones o incluso en fenómenos como el síndrome post-viral.

Al observar los gráficos del estudio se aprecia claramente cómo la frecuencia cardíaca permanece elevada respecto al baseline incluso después de la desaparición de los síntomas. Esta elevación es modesta —alrededor de 0.88 latidos por minuto en COVID-19— pero sostenida en el tiempo, lo que se traduce en decenas de miles de latidos adicionales acumulados . Este tipo de señal, imperceptible clínicamente, es precisamente donde los wearables aportan valor.

Desde la perspectiva de inteligencia artificial en medicina, este trabajo no introduce un modelo predictivo complejo ni un algoritmo de deep learning sofisticado. Y, sin embargo, es profundamente relevante. Nos recuerda que el verdadero poder de la IA en salud no siempre está en modelos opacos, sino en la integración inteligente de datos longitudinales y multimodales.

Aquí, el “modelo” es en esencia una comparación dinámica contra el baseline individual, utilizando técnicas estadísticas relativamente sencillas pero aplicadas sobre datos densos y continuos. Este enfoque —centrado en el individuo y no en la población— es una de las direcciones más prometedoras en medicina personalizada.

El estudio también desafía directamente las recomendaciones actuales de salud pública. Muchas guías sugieren retomar actividades normales pocos días después de la resolución de síntomas. Sin embargo, estos hallazgos sugieren que, al menos en algunos casos, el organismo sigue en un estado de estrés fisiológico significativo.

Esto abre una pregunta incómoda pero necesaria: ¿estamos promoviendo un retorno prematuro a la actividad? Y más aún, ¿podríamos personalizar estas recomendaciones utilizando datos de wearables?

No obstante, es importante matizar el entusiasmo. El estudio tiene limitaciones relevantes. Se trata de una cohorte de conveniencia, con participantes reclutados mediante redes sociales, lo que puede introducir sesgos de selección. Además, aunque los dispositivos fueron estandarizados, los smartwatches no son dispositivos médicos certificados, y sus métricas —especialmente la derivada de HRV— son indirectas.

Otro punto crítico es la falta de control sobre variables confusoras dinámicas como el estrés psicológico, la cafeína o la actividad física no registrada. Aunque los autores utilizan controles emparejados, siempre queda la posibilidad de factores no medidos.

Finalmente, aunque el estudio sugiere una recuperación fisiológica prolongada, no demuestra directamente que este retraso tenga consecuencias clínicas adversas. Es decir, no sabemos aún si intervenir sobre esta “recuperación incompleta” mejora resultados.

A pesar de estas limitaciones, el concepto de “recuperación digital” me parece extraordinariamente potente. Introduce una nueva capa en la evaluación clínica: una dimensión continua, objetiva y personalizada que complementa —pero no reemplaza— la experiencia subjetiva del paciente.

En el futuro, puedo imaginar escenarios donde el alta médica o la recomendación de retomar ejercicio no se base únicamente en la desaparición de síntomas, sino en indicadores fisiológicos individuales. Esto no implica medicalizar en exceso la vida cotidiana, sino reconocer que la fisiología tiene ritmos que no siempre coinciden con nuestra percepción.

En último lugar, este trabajo nos invita a repensar algo tan básico como la recuperación. Y quizás, en esa reevaluación, encontremos una de las contribuciones más valiosas de la inteligencia artificial en medicina: no solo predecir o diagnosticar mejor, sino entender mejor los procesos invisibles que ocurren después de que creemos que todo ha terminado.

Referencia:
Levi Y, Gande V, Shmueli E, et al. Smartwatch-derived versus self-reported outcomes of physiological recovery after COVID-19, influenza, and group A streptococcus: a 2-year prospective cohort study. Lancet Digit Health. 2026;8:100956. doi:10.1016/j.landig.2025.100956