Investigadores de la Universidad Politécnica de Madrid (UPM) en colaboración con la Universidad Complutense de Madrid (UCM) y el Hospital Universitario de la Princesa han creado un dispositivo que podría predecir la llegada de migrañas y así alertar a los pacientes.

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.

Los expertos han probado la efectividad del sistema de predicción en un entorno de simulación, y han obtenido una fiabilidad superior al 75%. De promedio, el tiempo obtenido es de 25 minutos, el cual sería suficiente para evitar o reducir el dolor de estos episodios.

Este artículo extrapola los resultados de datos reales y simulaciones en un estudio donde los pacientes con migraña han sido monitorizados usando un sensor de cuerpo inalámbrico. Las técnicas de baja potencia se aplican en los nodos de monitorización. Técnicas como el procesamiento de señales en el nodo y políticas de radio se han aplicado para permitir que la autonomía del nodo sea más larga y ahorrar así más energía. Las políticas de equilibrio de carga de trabajo se llevan a cabo en los nodos coordinadores y centros de datos para reducir la carga computacional en estas instalaciones y minimizar su consumo de energía. Este estudio permite asentar 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.

El sistema ha sido optimizado para un despliegue en un 2% de la población de pacientes con migrañas 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). Todo ello podría permitir una mejora del estado de salud de estos pacientes y una significativa reducción de los costes sanitarios.


Investigación original: Josué Pagán, Marina Zapater, José L. Ayala. “Power transmission and workload balancing policies in eHealth mobile cloud computing scenarios” Future Generation Computer Systems (2018); doi:10.1016/j.future.2017.02.015