El Apple Watch lleva años sumando funciones de salud a la muñeca, pero medir la glucosa sin pinchazos sigue siendo una asignatura pendiente. Los sensores ópticos ya son capaces de extraer decenas de indicadores distintos, sin embargo obtener una cifra fiable de azúcar en sangre desde el reloj choca con un muro técnico que todavía no tiene fecha de superación. Tu Apple Watch puede medirte el pulso, estimar la saturación de oxígeno, analizar la variabilidad del ritmo cardiaco y avisarte de patrones compatibles con alteraciones cardiovasculares. La glucosa, en cambio, continúa fuera de su alcance.
Una revisión difundida por The5krunner sitúa precisamente esta métrica al final de una lista de 40 parámetros que se han intentado extraer a partir de la fotopletismografía, la tecnología óptica que emplean muchos relojes deportivos. Y la diferencia entre lo que un wearable mide razonablemente bien y lo que apenas puede inferir es abismal. ¿Puede el Apple Watch medir la glucosa sin pinchazos? No, al menos de momento. Ningún Apple Watch ofrece hoy una medición de glucosa fiable y no invasiva desde la muñeca.
Lo que sí hace es vigilar tu frecuencia cardiaca, tu saturación de oxígeno y las variaciones de tu ritmo cardiaco para detectar posibles alteraciones. La glucosa lleva años alimentando rumores sobre los Apple Watch, pero las limitaciones técnicas del sensor óptico actual explican por qué esa función sigue sin llegar. El reto no está únicamente en la señal óptica, sino en todo lo que hay detrás: los algoritmos, la calibración y la variabilidad entre usuarios. Un sensor que emite luz sobre la piel capta información sobre el flujo sanguíneo, pero estimar a partir de ahí la concentración exacta de glucosa exige un nivel de precisión que, de momento, no se ha conseguido igualar al de un glucómetro tradicional.
Por eso, si compras un Apple Watch hoy, esa función de salud concreta sigue sin estar entre sus capacidades, por mucho que los rumores insistan año tras año. Un sensor óptico, 40 métricas y una fiabilidad muy desigual El funcionamiento de la fotopletismografía parece sencillo: el reloj emite luz sobre la piel y analiza cómo regresa tras interactuar con el tejido y el flujo sanguíneo. De esa única señal, los algoritmos derivan numerosas métricas. La frecuencia cardiaca, la saturación de oxígeno, la frecuencia respiratoria y los avisos de fibrilación auricular cuentan con el respaldo independiente más sólido entre las revisiones analizadas.
Extraer información de una señal óptica no equivale a medir directamente una variable biológica. Esa distinción explica por qué un dispositivo puede estimar correctamente el pulso y, al mismo tiempo, tener serias dificultades para determinar la concentración de glucosa en sangre. La luz óptica informa sobre el flujo sanguíneo, pero no sustituye a un análisis directo de la muestra. Incluso los parámetros más habituales presentan márgenes de error relevantes.
Una de las métricas de variabilidad de la frecuencia cardiaca más utilizadas, el RMSSD, llegó a desviarse un 34% frente a un electrocardiograma en uno de los estudios recogidos en el análisis. Otra medida, el SDNN, ofreció un resultado considerablemente mejor, con una desviación cercana al 9%. El contraste es revelador: dos variables que proceden de la misma actividad cardiaca alcanzan precisiones muy diferentes según el algoritmo y las condiciones de la medición. Si existen diferencias así en señales estrechamente ligadas al corazón, el desafío se multiplica cuando se intenta estimar algo tan complejo como la glucosa sanguínea.
Por qué la glucosa exige más precisión que cualquier otra métrica El obstáculo principal está en el nivel de exactitud que exige esta variable. El estudio de mayor tamaño citado en el análisis registró un error aproximado de 19,7 mg/dL, mientras que solo el 76,6% de las mediciones quedaron dentro de la zona considerada de mayor precisión. Una investigación anterior, ampliada hasta 2.538 participantes, mostró además un deterioro de la exactitud a medida que crecía el tamaño de la muestra. El hallazgo resulta revelador: un sistema puede funcionar de forma prometedora en un grupo pequeño y controlado, y perder fiabilidad en cuanto se enfrenta a edades distintas, tonos de piel diferentes, movimientos, temperaturas y las condiciones reales de uso diario.
La glucosa exige una fiabilidad que un simple indicador de bienestar no necesita: un margen de error asumible para medir el sueño o el estrés deja de serlo cuando la cifra puede condicionar una decisión médica. Detectar tendencias antes que cifras: la vía que se baraja como más realista En el debate sobre el futuro de estos sensores aparece una alternativa más plausible a corto plazo: que los relojes no necesiten ofrecer una lectura concreta de glucosa para resultar útiles. Los modelos de inteligencia artificial podrían buscar patrones fisiológicos asociados a alteraciones metabólicas en lugar de mostrar una cifra equivalente a la de un glucómetro. El dispositivo, en ese escenario, detectaría tendencias persistentes y recomendaría al usuario consultar con un profesional sanitario, sin llegar a afirmar que está midiendo directamente el nivel de azúcar.
Uno de los participantes en el debate lo compara con el funcionamiento de otros sistemas preventivos: identificar patrones compatibles con un riesgo elevado, no sustituir al glucómetro. Esa aproximación cambiaría el papel del reloj: pasaría de prometer una medición exacta a funcionar como un sistema de alerta temprana, parecido a como ya actúa hoy con la fibrilación auricular. Son previsiones que circulan entre quienes siguen de cerca estos sensores, no anuncios de Apple. El caso de la presión arterial: lo que enseña la pulsera Hilo La presión arterial ofrece un ejemplo de hacia dónde podría evolucionar esta tecnología.
Un usuario cuenta en el debate que la pulsera Hilo, desarrollada por Aktiia, le ofrece desviaciones próximas al 5% en sus comparaciones personales, aunque con una condición importante: el dispositivo necesita calibrarse periódicamente con un manguito tradicional, aproximadamente una vez al mes, algo que no haría falta en un sensor plenamente autónomo. Cuanto más compleja es la variable que se quiere medir, mayor es la dependencia de algoritmos, datos históricos, calibraciones externas o sensores adicionales. Antes de ofrecer una medición de glucosa no invasiva con cifras concretas, Apple podría apostar primero por ampliar las funciones capaces de identificar tendencias cardiovasculares y metabólicas, como la hipertensión y la propia presión arterial, según las previsiones que circulan entre quienes siguen de cerca estos sensores.
