Diabetes Mellitus (DM) abarca un conjunto de enfermedades metabólicas cuya característica principal es la presencia de altos niveles de glucosa en sangre. Es una de las enfermedades con mayor impacto social y económico, por su prevalencia y por las consecuencias de las complicaciones crónicas.

Una de las líneas de investigación para mejorar la calidad de vida de los pacientes con diabetes es de carácter técnico. Ésta contiene varias sublíneas, incluyendo el desarrollo y mejora de dispositivos para estimar ``en línea" la glucosa plasmática (GP): sistemas de monitorización continua de glucosa (SMCG), invasivos y no-invasivos. Estos dispositivos estiman GP desde medidas en compartimentos alternativos a la sangre. Los SMCG comerciales actuales son mínimamente invasivos: situan el sensor en el fluido intersticial.

Los SMCG son un componente fundamental para la construcción del páncreas artificial, con el objetivo de cerrar el bucle en combinación con una bomba de insulina. Sin embargo, la precisión de los actuales SMCG es todavía pobre y eso puede deberse parcialmente a la baja actuación de los Algoritmos de Calibración (AC) implementados. Además, la sensibilidad entre el sensor y el paciente varia entre pacientes y también con el tiempo.

Por tanto, el desarrollo de nuevos y eficientes AC para SMCG es un problema interesante y un reto.

Las medidas indirectas de la GP desde la glucosa intersticial es un gran factor de confusión para precisión de los SMCG. Muchos son los componentes que contribuyen en la dinámica del transporte de glucosa. De hechom, la fisiología puede sugerir la existencia de comportamientos locales en este proceso.

Con esto, las tecnicas de modelado local pueden ser la mejor opción para la estructura del deseado AC. Así, entradas similares están representadas por el mismo modelo local. La integración de todos ellos considerando la región de entrada donde son válidos da el modelo final del conjunto. Las técnicas de agrupamiento son las elegidas en esta aplicación de modelado local, al ser capaces de encontrar automáticamente conocimiento inherente a los datos.


El objetivo global de este trabajo es el diseño del nuevo AC capaz de mejorar la precisión de las estimaciones de GP de los dispositivos actuales. El AC propuesto está basado en un algoritmo de agrupamiento con modelos locales dinámicos, de acuerdo con los requerimentos del sistema.


Se ha incluido la compensación a las variaciones de la sensibilidad en el AC con un esquema adaptativo. Los algoritmos propuestos han sido validados con datos de diversos experimentos clínicos y de simulación.