Los sistemas de control automático de la infusión de insulina serán sin duda el tratamiento de elección en la diabetes tipo 1. Sin embargo, el extraordinario beneficio que proporcionan en el periodo nocturno e?interprandial?se reduce considerablemente en el control postprandial. Antes de cada ingesta, el paciente sigue teniendo que decidir la dosis de insulina a administrar con la?ayuda?de?los llamados calculadores de?bolus, prácticamente sin avances en los últimos 15 años, incapaces de contrarrestar los retrasos en la medida de glucosa y en la acción de la insulina y totalmente dependientes de la pericia del paciente en la estimación de carbohidratos y otras variables dinámicas que determinan el efecto de la insulina.?? Nuestro proyecto tiene como objetivo desarrollar una herramienta para optimizar los parámetros que llevan a la propuesta de la dosis de insulina preprandial, incorporando un predictor de glucosa basado en aprendizaje automático (Deep learning) que considere el impacto de la actividad física previa. Adicionalmente, vamos a desarrollar algoritmos?para calcular de forma personalizada y dinámica el factor de sensibilidad a la insulina, la insulina activa y el objetivo de control. Integraremos los algoritmos de cálculo de la ingesta con un sistema de análisis de la composición de los alimentos a partir de su imagen captada con un móvil. La herramienta se implementará como una app móvil que se integrará en el sistema de páncreas artificial de código abierto Android APS para la realización de los estudios clínicos de validación.
Diabetes tipo 1
predicción glucosa
medida ejercicio físico
machine learning
deep learning
páncreas artificial
calculador bolus
Acción Estratégica en Salud (AES)
01/01/2022 - 31/12/2024
MARIA ELENA, HERNANDO PEREZ
UNIVERSIDAD POLITECNICA DE MADRID
CENTRO DE TECNOLOGIA BIOMEDICA (CTB)
MADRID
MADRID
62,000 €