Controle de um sistema automatizado de administração de insulina usando inteligência artificial
sistema automatizado de administração de insulina, controle não linear, linearização por realimentação, aprendizado de máquina, aprendizado por reforço, redes neurais recorrentes.
O Diabetes Mellitus Tipo 1 é uma doença que afeta milhões de pessoas em todo o mundo. Recentemente, graças aos avanços no campo de dispositivos embarcados, surgiram propostas de dispositivos que injetam insulina subcutaneamente, visando regular automaticamente a concentração de glicose no sangue de pacientes diabéticos. O sistema de Entrega Automática de Insulina (AID, Automated Insulin Delivery) pode proporcionar uma vida com maior qualidade, autonomia e conforto para os pacientes. Este trabalho tem como objetivo projetar um controlador não linear inteligente com um estimador desenvolvido com Inteligência Artificial (IA) para um sistema AID. É realizada uma extensa revisão sobre diabetes, introduzindo sua definição, contexto fisiológico, diagnóstico, impacto global e as terapias disponíveis. Além disso, é feita uma revisão da literatura, apresentando os tipos de sistemas AID, desafios atuais, modelos de pacientes virtuais, estratégias de controle e algoritmos de IA que moldam os projetos modernos. Os modelos de Bergman, Hovorka e OHSU são introduzidos junto com sua formulação matemática e casos de uso específicos. O modelo OHSU, que incorpora atividade física à dinâmica insulina-glicose, é escolhido para simular a população de pacientes virtuais deste trabalho. Em seguida, o controlador de Linearização por Realimentação é apresentado e descrito matematicamente. O controlador não linear proposto neste trabalho é combinado com um estimador inteligente para compensar as incertezas do modelo, perturbações externas e atrasos temporais inerentes ao sistema biológico em questão. O estimador inteligente consiste em uma combinação de algoritmos de Aprendizado de Máquina e Aprendizado por Reforço. O objetivo é usar uma Rede Neural Recorrente como um estimador universal para auxiliar a lei de controle a rastrear a concentração de glicose no sangue do paciente virtual até o intervalo desejado. Um algoritmo de Aprendizado por Reforço é utilizado para ajustar os hiperparâmetros da rede neural. A estratégia de controle proposta será treinada offline para abarcar a dinâmica do sistema e ajustar os parâmetros da rede neural. À medida que a simulação in-silico ocorre, os parâmetros passam por um ajuste fino com uma baixa taxa de aprendizado para manter o controlador atualizado com as mudanças fisiológicas. O Algoritmo de Projeção é utilizado para restringir os pesos da rede neural em uma região fechada e evitar a superdosagem de insulina. A estabilidade em malha fechada da estratégia de controle proposta é provada usando a teoria de estabilidade de Lyapunov. O objetivo geral deste trabalho é desenvolver um controlador para um sistema AID que regule adequadamente a concentração de glicose no sangue sem aviso de refeição pelo paciente e sob atividade física. Por fim, é apresentada uma linha do tempo detalhada descrevendo as etapas a serem seguidas para implementar o planejamento mencionado até a conclusão da Tese.