Diseñan un sistema que podría predecir las migrañas media hora antes de que sucedan

Así se desprende de los resultados de una prueba realizada en un entorno de simulación, en colaboración con investigadores de la Universidad Complutense de Madrid (UCM), que revela que este dispositivo permitiría unos ahorros de 288 millones de euros en el ámbito energético europeo, además de 1.272 millones de euros gracias a los beneficios de la predicción.

El objetivo final de esta iniciativa, en la que trabaja un equipo del Center for Computational Simulation (CCS) de la UPM, es conseguir un dispositivo 'wearable' capaz de predecir y alertar a los pacientes con migraña de la llegada del dolor que suponen estas crisis.

Y este trabajo, según defienden sus autores, sienta las bases para el desarrollo de un futuro dispositivo que monitorice las variables biomédicas de los pacientes y avise de forma efectiva de la llegada de una de estas crisis.

Sobre todo porque, como reconocen, avisa con tiempo de antelación suficiente como para evitar o reducir el dolor de estos episodios, ya que 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.

En ese sentido, el trabajo ha abordado la repercusión económica, tanto de forma energética como asistencial, que tendría la implantación de este sistema ante un hipotético despliegue en Europa, ya que cuando un paciente 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.

A partir de ahí, 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 o la batería en el teléfono móvil, dónde es más barato energéticamente que se lleve a cabo el procesado.

El sistema ha sido optimizado para un despliegue en un 2 por ciento 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).

"Supone un paso más hacia la implementación final de un dispositivo comercial que ayude a los pacientes a mejorar su calidad de vida", ha destacado Josué Pagán, uno de los autores del estudio.