Tecnologia
Smartphone come laboratorio? Cosa può misurare davvero l’AI guardando viso, voce e occhi
Una fotocamera può stimare battito e respirazione. Ma può davvero misurare pressione, glicemia, età biologica e salute mentale in due minuti? Partendo dal caso BioheQ, separiamo ciò che la PPG da smartphone misura bene da ciò che resta una predizione algoritmica da validare.
Riedizione aggiornata di “L’app BioheQ: il futuro del Quantified Self per i Biohacker”, Biohacking Now, Primavera 2025.
Se uno smartphone potesse misurare cinquanta biomarcatori in due minuti, avremmo davvero un laboratorio in tasca.
È una promessa enorme. Ed è esattamente per questo che dobbiamo distinguere ciò che il telefono misura, ciò che stima e ciò che predice.
Nel 2025 Biohacking Now raccontava BioheQ, app basata su tecnologie AI, analisi del volto, voce, occhi e pelle. Il concetto resta affascinante. Ma nel 2026 abbiamo strumenti migliori per giudicarne la plausibilità.
La tecnologia più solida: fotopletismografia
La fotopletismografia rileva variazioni nel volume sanguigno attraverso cambiamenti ottici. Nei dispositivi a contatto è una tecnologia consolidata. Con la fotocamera di uno smartphone può essere utilizzata per stimare la frequenza cardiaca.
Una meta-analisi su app smartphone PPG ha trovato buona concordanza con metodi validati per la frequenza cardiaca negli adulti a riposo.
Una scoping review più recente ha confermato accordo da buono a molto forte con ECG in condizioni controllate.
Questo è un ottimo esempio di misura credibile.
HRV: attenzione, PPG non è ECG
La variabilità ottenuta dalla PPG è tecnicamente pulse rate variability, non identica alla HRV derivata da ECG.
Una meta-analisi del 2026 su 43 studi ha trovato errori medi relativamente piccoli per RMSSD e SDNN in condizioni selezionate, ma ha esplicitamente avvertito di non generalizzare i risultati a esercizio, sonno, stress o free-living.
Quindi: utile per trend in condizioni controllate, non automaticamente intercambiabile con ECG.
Pressione arteriosa dalla fotocamera?
Qui il livello di difficoltà sale molto. Diversi algoritmi cercano di stimare pressione da segnali ottici e caratteristiche del polso. Ma l’accuratezza dipende fortemente da calibrazione, popolazione, device e condizioni di misura.
Una pressione “predetta” da AI non dovrebbe essere trattata come equivalente a una misurazione con dispositivo validato.
Glicemia: il confine che non va superato
Una camera può riconoscere pattern correlati a rischio metabolico. Ma non misura il glucosio nel sangue o nel liquido interstiziale.
Se un’app produce un “indice glicemico medio” da immagini o segnali indiretti, stiamo parlando di una stima algoritmica. Per trasformarla in strumento clinico serve validazione indipendente contro reference standard.
Voce e salute mentale
L’analisi vocale tramite machine learning è un campo di ricerca attivo. Ritmo, prosodia e caratteristiche acustiche possono correlare con depressione, Parkinson, malattie respiratorie o deterioramento cognitivo.
Ma correlazione predittiva non significa diagnosi. Un algoritmo può identificare un pattern di rischio; non può trasformare trenta secondi di voce in una diagnosi psichiatrica senza validazione clinica rigorosa.
Occhi, pelle e “biological age”
Retina, sclera e pelle contengono segnali biologici reali. L’AI può estrarre informazioni che l’occhio umano non vede.
Il problema nasce quando un output proprietario viene chiamato “età biologica” senza sapere su quale endpoint sia stato addestrato.
Età cronologica predetta, rischio cardiometabolico e vero aging biologico sono concetti differenti.
Il test che ogni biomarcatore digitale dovrebbe superare
- È una misura diretta o una predizione?
- Qual è il reference standard?
- Su quale popolazione è stato validato?
- Qual è l’errore medio?
- Funziona su età, sesso e fototipi diversi?
- È stato validato da gruppi indipendenti?
- Il risultato cambia davvero una decisione utile?
Perché questi strumenti restano interessantissimi
Il valore non richiede perfezione clinica.
Un’app può essere ottima per screening leggero, trend, engagement e behavioral feedback anche se non sostituisce un laboratorio.
La raccolta passiva e a basso costo può democratizzare il monitoraggio, soprattutto se l’utente comprende l’incertezza.
Quantified Self 2.0
Il futuro probabilmente non sarà “lo smartphone misura tutto”.
Sarà un sistema multimodale che combina:
- camera e PPG;
- wearable;
- pressione validata;
- CGM quando indicato;
- laboratorio;
- storia clinica;
- AI capace di integrare i segnali.
Il telefono diventa l’interfaccia, non necessariamente il sensore universale.
Conclusione
BioheQ rappresentava bene l’ambizione del Quantified Self: rendere la misura più accessibile.
La maturità consiste però nel non chiamare “biomarker misurato” ciò che è ancora una predizione.
L’AI può trasformare una fotocamera in un sensore sorprendente. Ma la precisione dell’interfaccia non deve farci dimenticare l’incertezza della misura.
Riferimenti essenziali
- Smartphone Apps Using Photoplethysmography for Heart Rate Monitoring: Meta-Analysis. PMID: 31758768.
- Validity of resting heart rate derived from contact-based smartphone photoplethysmography compared with electrocardiography. 2024. PMID: 38486919.
- Accuracy of Photoplethysmography-Derived Pulse Rate Variability Compared with ECG-Derived HRV. 2026. PMID: 42655500.