Datos administrativos

Referencia del proyecto: PDC2021-121470-C21
Título: Sistemas de predicción basados en el aprendizaje para el apoyo a las terapias insulínicas en diabetes tipo 1: del laboratorio a un prototipo de producto – LEAP
Entidades participantes: Proyecto coordinado
Subproyecto 1: Universitat Politècnica de València (coordinador)
Subproyecto 2: Universitat de Girona
Investigador principal: Jorge Bondia (coordinador); Josep Vehí
Entidad financiadora: Agencia Estatal de Investigación (MCIN/AEI/10.13039/501100011033); Unión Europea Next Generation EU / PRTR
Duración: 01/12/2021 – 30/11/2023
Financiación recibida: Subproyecto 1: 69.000,00 €
Subproyecto 2: 69.000,00 €

Resumen del proyecto coordinado

La creciente adopción del uso de la monitorización continua de la glucosa (MCG) ofrece una oportunidad de negocio, con una estimación en 2021 de 4 millones de usuarios en todo el mundo, principalmente en Estados Unidos y Europa. Se espera que el crecimiento continúe con dos dígitos más allá de 2030, con la expansión de la cobertura para la T2D y los mercados asiáticos.

La MCG no sólo ha allanado el camino a las actuales bombas avanzadas, como el páncreas artificial, sino también a los sistemas de supervisión y apoyo a la toma de decisiones (DSS) dirigidos también a los usuarios de múltiples inyecciones de insulina (MDI), la gran mayoría de los pacientes.
Las herramientas para la supervisión de los pacientes y el apoyo a la toma de decisiones son todavía embrionarias y se necesita mejorar los sistemas para minimizar el riesgo de hipoglucemia. Además, van por detrás de las necesidades de las personas con T1D, ya que están dirigidas principalmente a los usuarios de bombas y/o requieren una intensa intervención manual por parte de los pacientes para la recogida de datos en la que se basan los algoritmos, en detrimento de la usabilidad.
Este proyecto tiene como objetivo avanzar en el TRL de los resultados del equipo de investigación en el ámbito de los sistemas de predicción basados en el aprendizaje para apoyar las terapias de insulina en la diabetes tipo 1, abordando tanto las herramientas de aprendizaje automático para el apoyo a la decisión basada en la predicción (Subproyecto 2 de la Universidad de Girona, UdG) como la predicción de la glucosa sin la recogida manual de datos de entrada (Subproyecto 1 de la Universitat Politècnica de València, UPV).

Como resultado, se construirá un prototipo de producto y un demostrador por subproyecto.
Esta propuesta de proyecto de prueba de concepto proviene del proyecto “Soluciones para la mejora de la eficiencia y la seguridad del páncreas artificial mediante arquitecturas de control multivariable tolerantes a fallos – mSAFE-AP” (DPI2016-78831-C2-1-R), compuesto por dos subproyectos de la UPV y la UdG. El proyecto tenía como objetivo el diseño de un páncreas artificial eficiente y seguro en uso normal en vida libre. Como parte de los objetivos, se abordó el desarrollo de nuevas herramientas para la supervisión del paciente, incluyendo la clasificación y detección de escenarios de vida libre, con el fin de proporcionar un conjunto de herramientas para advertir a un sistema de páncreas artificial sobre los riesgos y mitigar automáticamente sus efectos a través de la modulación del algoritmo de control. En este sentido, se abordó la ampliación del concepto de fallo más allá de la instrumentación para incluir los estados metabólicos anómalos del paciente y los factores humanos, así como el desarrollo de métodos avanzados para una mejor predicción de la glucosa y de los riesgos asociados a la dosificación de insulina. Este objetivo se desarrolló en tres tareas que abordaban el desarrollo de clasificadores del estado metabólico y del comportamiento del paciente, predictores de glucosa con mayor precisión de predicción para horizontes de predicción más largos y con una mínima aportación del usuario, y predictores de riesgo a diferentes escalas temporales basados en técnicas de aprendizaje automático, dando lugar a los resultados asociados a esta propuesta. El proyecto LEAP acercará estas tecnologías al mercado, avanzando en última instancia hacia nuevas terapias personalizadas para la diabetes.

Investigadores