Publicado
2010-06-10

Cómo citar

Sendoya Losada, D. F., Robayo Betancourt, F. I., Perafán Javela, J. F. F., Gutiérrez Cuevas, V. E., & Borrero Ortiz, M. (2010). Control predictivo aplicado a la dosificación automática de insulina en pacientes con diabetes tipo 1. Revista De Investigaciones UNAD, 9(2), 203-211. https://doi.org/10.22490/25391887.682
Métricas
Cargando métricas ...

Control predictivo aplicado a la dosificación automática de insulina en pacientes con diabetes tipo 1

DOI: https://doi.org/10.22490/25391887.682
Sección
Artículo producto de Investigación
Diego Fernando Sendoya Losada
Faiber Ignacio Robayo Betancourt
John F. Fredy Perafán Javela
Victoria Eugenia Gutiérrez Cuevas
Miosotis Borrero Ortiz

La ingeniería de control influencia la medicina moderna a través de la cirugía robótica, los sistemas electrofisiológicos (marcapasos y desfibriladores automáticos implantables), los sistemas para soporte de vida (corazones y respiradores artificiales), y la cirugía guiada por imagen. Un área adicional de la medicina influenciada por las aplicaciones de control es la farmacología clínica, en la cual el modelamiento matemático juega un papel sobresaliente. Aunque numerosas drogas están disponibles para el tratamiento de enfermedades, la dosificación apropiada es con frecuencia imprecisa, resultando en incremento de costos, morbilidad y mortalidad.

En este trabajo, una aplicación potencial de la ingeniería de control a la farmacología clínica, específicamente al control de la dosificación de drogas es presentada. El objetivo principal es desarrollar un dispositivo para controlar la concentración de glucosa en la sangre en personas con diabetes tipo 1, utilizando un algoritmo de control predictivo.

Un análisis de las diferentes relaciones dinámicas entre la glucosa y la insulina disponibles en la literatura debe ser realizado, para encontrar y seleccionar un modelo apropiado para la predicción. Este modelo permitirá diseñar un controlador adecuado.

Finalmente, la robustez del controlador será probada teniendo en cuenta suposiciones como: el algoritmo debe ser aplicado a diferentes pacientes y el modelo del paciente podría cambiar durante el tiempo.