RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publicación
Proyecto fin de carrera (BachelorThesis)
Diseño y desarrollo de un Sistema de Apoyo a la Decisión en Medición Continua de Glucosa basado en Ingeniería de Datos e Inteligencia Artificial, Design and Development of a Decision Support System por Continuous Glucose Monitoring Based on Data Engineering and Artificial Intelligence, Disseny i desenvolupament d&apos, un Sistema de Suport a la Decisió en Monitorització Contínua de Glucosa basat en Enginyeria de Dades i Intel·ligència Artificial
[ES] Este Trabajo de Fin de Grado se centra en el diseño y desarrollo de un sistema de apoyo a la decisión orientado al análisis de datos procedentes de sistemas de monitorización continua de glucosa (MCG), con el objetivo de facilitar la detección automática de patrones glucémicos clínicamente relevantes en pacientes con diabetes.
En primer lugar, se presenta un marco teórico que aborda los fundamentos fisiopatológicos de la diabetes mellitus, sus principales complicaciones y los tratamientos actuales, así como el contexto epidemiológico y el impacto creciente de esa enfermedad en los sistemas sanitarios. Asimismo, se analizan los principios de funcionamiento de los sistemas de monitorización de la glucosa, incluyendo sensores capilares, sensores continuos y bombas de insulina, destacando su papel en la generación de grandes volúmenes de datos temporales.
A continuación, se realiza una revisión del estado del arte en soluciones para la visualización y el análisis de datos de MCG, examinando tanto las plataformas comerciales más utilizadas (como Dexcom Clarity, LibreView o CareLink) como los principales enfoques algorítmicos empleados en la detección de patrones glucémicos. En este contexto, se estudian metodologías basadas en métricas descriptivas tradicionales, análisis de datos funcionales, aprendizaje automático, minería de patrones temporales e inteligencia artificial avanzada.
El núcleo del trabajo se desarrolla en el capítulo de materiales y métodos, donde se definen los requisitos funcionales del sistema, el perfil de los usuarios y el marco normativo aplicable. Posteriormente, se diseña un Pipeline de análisis que incluye las etapas de adquisición, preprocesamiento, análisis exploratorio, cálculo de indicadores clínicos, generación de perfiles AGP y detección de patrones. En una primera fase, la identificación de patrones se aborda mediante un enfoque basado en reglas clínicas condensadas con profesionales sanitarios, contemplando la futura incorporación de modelos de aprendizaje automático a medida que se disponga de conjuntos de datos más amplios.
El sistema se implementa en el marco del proyecto PATRON-CGM, utilizando datos reales procedentes de pacientes monitorizados mediante dispositivos de distintos fabricantes. Finalmente, se plantea un proceso de validación basado en la comparación entre las clasificaciones automáticas y las evaluaciones clínicas expertas, con el fin de analizar la coherencia y utilidad del sistema propuesto.
En conjunto, este trabajo contribuye al desarrollo de herramientas computacionales orientadas a transformar los datos generados por la monitorización continua de glucosa en información estructurada y clínicamente interpretable, apoyando la toma de decisiones personalizadas y favoreciendo un seguimiento más eficiente de las personas con diabetes.