Con el objetivo de mejorar la calidad de vida de los pacientes de migrañas, un equipo del que forman parte investigadores del Center for Computational Simulation (CCS) de la Universidad Politécnica de Madrid (UPM), está trabajando en un proyecto para conseguir desarrollar un dispositivo wearable capaz de predecir y alertar de la llegada del dolor que suponen estas crisis. En un reciente artículo publicado con investigadores de la Universidad Complutense de Madrid (UCM) han probado en un entorno de simulación la efectividad de un sistema de predicción y alerta temprana en tiempo real, con una fiabilidad de más del 75% en tiempos promedio de 25 minutos. Esto sienta las bases para el desarrollo de un futuro dispositivo hardware que monitorice las variables biomédicas de los pacientes y alerte de forma efectiva de la llegada de una de estas crisis.

La migraña es una enfermedad neurológica altamente prevalente e incapacitante. Afecta a entre un 12 y un 15% de la población empeorando su calidad de vida y dificultando la relación con su entorno social y laboral. En Europa esta enfermedad supone grandes gastos tanto a entidades públicas como a privadas. La toma anticipada del medicamento podría evitar el dolor, mejorando así la calidad de vida de los pacientes además de ahorrar costes económicos a la sociedad, pero para ello es indispensable una predicción objetiva del momento en el que aparecen las crisis.

Un equipo de investigadores del Center for Computational Simulation de la UPM trabaja desde hace unos años con la UCM en una metodología de procesamiento para el desarrollo de un modelado predictivo de crisis de migrañas. Recientemente, en colaboración con la Unidad de Cefaleas del Hospital Universitario de la Princesa de Madrid, han conseguido desarrollar en entorno simulado un sistema de predicción de una crisis de migraña en tiempo real con una fiabilidad de más del 75% en tiempos promedio de 25 minutos, tiempo suficiente para actuar y evitar -o reducir- el dolor de la crisis. En opinión de Josué Pagán, uno de los investigadores del estudio, “esto supone un paso más hacia la implementación final de un dispositivo comercial que ayude a los pacientes a mejorar su calidad de vida”.

Además, el trabajo ha abordado la repercusión económica, tanto a nivel energético como asistencial, que tendría la implantación de este sistema ante un hipotético despliegue en Europa. Cuando un paciente que sufre de migrañas es monitorizado, sus datos pueden procesarse bien en el propio sensor de adquisición de variables biomédicas, o bien en su teléfono móvil o en un centro de datos. Dónde y cuándo se procesen estos datos tendrá un coste diferente que el nuevo sistema es capaz de optimizar en cada momento decidiendo - según las condiciones de la red, la batería en el teléfono móvil, etc. - dónde es más barato energéticamente que se lleve a cabo el procesado. El sistema ha sido optimizado para un despliegue en un 2% de la población de migrañosos de Europa y teniendo en cuenta la fiabilidad de los modelos de predicción y los costes de la energía eléctrica doméstica (para la carga de los dispositivos de monitorización y teléfonos inteligentes) e industrial (que alimenta a los centros de datos). Los resultados muestran que los ahorros promedio que se pueden conseguir podrían llegar a los 288 millones de euros en el ámbito energético, además de los 1272 millones de euros gracias a los beneficios de la predicción de migraña.



Esquema del sistema de predicción donde teléfonos inteligentes envían datos de pacientes con migraña a centros de datos distribuidos en Europa. Fuente: Pagán J., et al. Future Generation Computer Systems, 78, 587-601.

Este trabajo fue nominado a mejor artículo en la pasada Summer Simulation Conference celebrada en Seattle (EEUU).

Pagán, J., Zapater, M., & Ayala, J. L. (2018). Power transmission and workload balancing policies in eHealth mobile cloud computing scenarios. Future Generation Computer Systems, 78, 587-601.
Pagán, J., Moya, J. M., Risco-Martín, J. L., &; Ayala, J. L. (2017, July). Advanced migraine prediction simulation system. In Proceedings of the Summer Simulation Multi-Conference (p. 24). Society for Computer Simulation International.
Pagán, J., Orbe, D., Irene, M., Gago, A., Sobrado, M., Risco-Martín, J. L., ... & Ayala, J. L. (2015). Robust and accurate modeling approaches for migraine per-patient prediction from ambulatory data. Sensors, 15(7), 15419-15442.

Subscribe to Directory
Write an Article

Recent News

Exposure to Heat and Cold During Pregnan...

The research team observed changes in head circumf...

Using mobile RNAs to improve Nitrogen a...

AtCDF3 gene induced greater production of sugars a...

El diagnóstico genético neonatal mejor...

Un estudio con datos de los últimos 35 años, ind...

Highlight

Eosinófilos. ¿Qué significa tener val...

by Labo'Life

​En nuestro post hablamos sobre este interesante tipo de célula del...

Seven key genetic profiles associated wi...

by Fundació Clínic per a la Recerca Biomèdica

A study published in Nature Communications has identified different ri...

Photos Stream