Ya comentamos en la última entrega que el algoritmo de control es la principal pieza diferenciadora entre los sistemas de páncreas artificial actualmente en desarrollo. Ya conocéis el algoritmo PID, en el que se basa el sistema Minimed 670G de Medtronic. Hoy queremos introduciros al algoritmo MPC, utilizado por un gran número de sistemas como el Florence, de la Universidad de Cambridge, el inControl AP de TypeZero Technologies, el Horizon Artificial Pancreas de Insulet y el iLet de Beta Bionics.
Las siglas MPC significan Control Predictivo basado en Modelo (Model Predictive Control en inglés) y definen la esencia de este algoritmo: la optimización de la infusión de insulina a partir de predicciones de la evolución futura de la glucemia.
El control MPC (que en realidad agrupa a una familia de algoritmos) surge a finales de los años 70 en la industria del petróleo donde había que resolver problemas de control complejos con multitud de variables y restricciones.
A diferencia del control PID, el control MPC predice cómo la glucemia va a evolucionar en los próximos minutos (valores de 45-60 minutos son habituales) y calcula, a partir de dicha predicción, el perfil óptimo de infusión de insulina que habría que aplicar para que el “coste” del control durante ese tiempo sea lo más pequeño posible. Tras ello, se aplica la infusión que toca ahora y se repite el proceso. Esto plantea dos preguntas: ¿Cómo puede predecirse la glucosa? ¿Cómo se mide el “coste” del control?
Para ser capaz de predecir la evolución de la glucosa es preciso disponer de un modelo matemático (conjunto de ecuaciones) que aproxime cómo responde el paciente. Existen sistemas que incluyen modelos que describen la fisiología (como el sistema Florence). Otros usan modelos que tratan de explicar únicamente datos experimentales, sin importar los procesos fisiológicos que los han producido. En ambos casos es necesario un ajuste del modelo a partir de datos fácilmente disponibles del paciente.
Respecto a cómo medir el “coste” del control, no existe una definición única y, junto con el modelo, es uno de los elementos distintivos de los diferentes sistemas MPC. En líneas generales, se pretende que la predicción de la evolución de la glucosa esté cerca del objetivo glucémico, penalizando infusiones elevadas de insulina. Es decir, cuanto más cerca esté la predicción del objetivo con la menor insulina posible, mejor. Además, una ventaja del control MPC es la facilidad de considerar restricciones, como por ejemplo límites en la insulina a bordo, durante el proceso de optimización.
En un estudio reciente en entorno controlado comparando los algoritmos MPC y PID se demonstró que ambas estrategias son seguras y eficientes, igualando o superando el MPC al PID. Sin embargo, este tipo de comparativas son siempre difíciles y hay que extrapolar con cuidado ya que son específicas de los diseños realizados en dicho estudio.
¿Quieres conocer más? No te olvides de seguirnos y transmitirnos tus dudas e intereses.
Referencias bibliográficas:
Hovorka, R. et al., (2004). Nonlinear model predictive control of glucose concentration in subjects with type 1 diabetes. Physiological Measurement, 25, 905-920
Pinsker, J.E. et al., (2016). Randomized Crossover Comparison of Personalized MPC and PID Control Algorithms for the Artificial Pancreas. Diabetes care, 39(7), 1135–1142
Ilustración: Daniel Costa, Instituto ai2, Universitat Politècnica de València