Investigadores del Instituto de Telecomunicaciones y Aplicaciones Multimedia de la Universidad Politécnica de Valencia han diseñado una manera de implementar sensores de fibra óptica para que, integrados en un colchón, permitan monitorizar de forma no invasiva los movimientos y la respiración del paciente. Este estudio ha concluido con un mecanismo que puede ser usado para la detección de la apnea del sueño. Esta patología respiratoria es el tercer trastorno del sueño que más sufren los españoles.
La principal característica de este nuevo método es que está construido con componentes de muy bajo coste, que, combinados, permiten detectar variaciones de presión. Salvador Sales, investigador del iTEAM-UPV, afirma que «la fibra óptica tiene múltiples ventajas: es muy pequeña, pesa poco, puede integrarse fácilmente en muchas estructuras y es inmune a la radiación electromagnética. También tiene sus inconvenientes, fundamentalmente, que para su instalación hay que cablear. Esto conlleva un coste y hace que para determinadas aplicaciones no sea útil. Pero no es el caso de este estudio para la monitorización de constantes vitales, en el que la fibra puede aportarnos muchas ventajas».
Paralelamente, el equipo de iTEAM-UPV investiga otras aplicaciones para los sensores. Estos aprovechan la interacción entre la luz y la materia para determinar las propiedades de la misma, y aprovechan la fibra óptica como elemento de transmisión de la luz. Entre ellas se encuentra la integración de estos en un robot quirúrgico, lo cual permitiría controlar su posición y movimiento dentro del cuerpo humano durante la intervención. David Barrera, investigador del iTEAM-UPV, explica que «los sensores ópticos son sensibles a las curvaturas y los estiramientos. Se recogen los datos a través de ellos, se procesan en tiempo real y se obtiene la información de cómo va avanzando el instrumento quirúrgico, en qué posición está, cómo se está moviendo, etcétera».
El trabajo, enmarcado dentro del proyecto europeo FINESSE, pretende mejorar el procesamiento de datos además de incorporar técnicas de aprendizaje automático, que faciliten la detección de anomalías respiratorias en pacientes reales.
