Banca de DEFESA: JOÃO LUCAS CORREIA BARBOSA DE FARIAS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JOÃO LUCAS CORREIA BARBOSA DE FARIAS
DATA : 02/10/2025
HORA: 08:30
LOCAL: Remoto - Online
TÍTULO:

Controle de um sistema automatizado de administração de insulina usando inteligência artificial

PALAVRAS-CHAVES:

sistema automatizado de administração de insulina, controle não linear, linearização por realimentação, aprendizado de máquina, aprendizado por reforço, redes neurais recorrentes.

PÁGINAS: 112
RESUMO:

O Diabetes Mellitus Tipo 1 é uma doença que afeta milhões de pessoas em todo o mundo. Recentemente, dispositivos que regulam automaticamente a concentração de glicose no sangue de pacientes diabéticos foram desenvolvidos. 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. Uma extensa revisão sobre diabetes é conduzida, 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. O modelo OHSU, usado para simular a população de pacientes virtuais deste trabalho, é introduzido junto com sua formulação matemática que incorpora atividade física à dinâmica insulina-glicose. O controlador proposto combina Linearização por Realimentação com um estimador inteligente baseado em redes neurais para compensar as incertezas do modelo, perturbações externas e atrasos temporais inerentes ao sistema biológico em questão. O controlador incorpora um algoritmo de Aprendizagem por Reforço, Q-learning, para otimizar a taxa de aprendizagem da rede neural em meio a uma população de pacientes virtuais diversa enquanto minimiza a ocorrência de eventos hipoglicêmicos. Os resultados mostram que o controlador foi capaz de regular a glicemia segura e efetivamente com valor médio de Tempo no Alvo (TIR, Time in Range) de 81% e Coeficiente de Variação (CV) de 35% em uma população diversa de pacientes de treinamento com 10 indivíduos, e valor médio de TIR de 76% e CV de 34% para um população de validação diferente e desconhecida de 5 indivíduos. Para evitar baixo desempenho durante a fase inicial de aprendizado da rede neural, pré-treinamento offline da rede é proposto e testado na população de validação. A ocorrência de hiperglicemia severa nos primeiros dias de simulação foi completamente evitada, com o benefício adicional de uma pequena melhora no TIR (76% vs. 78%), indicando um caminho claro sobre de introduzir o controlador em pacientes reais. De forma geral, o controlador proposto foi capaz de proporcionar controle glicêmico seguro e efetivo em uma população diversa de pacientes virtuais sob exercícios e sem a necessidade de intervenção do paciente para informar sobre alimentação ou atividades físicas.

MEMBROS DA BANCA:
Presidente - 1445637 - WALLACE MOREIRA BESSA
Interno - 1328152 - CARLOS EDUARDO TRABUCO DOREA
Externo ao Programa - 1338796 - PHILIPPE EDUARDO DE MEDEIROS - UFRNExterno à Instituição - ARTHUR HIRATA BERTACHI - UTFPR
Externo à Instituição - AMERICO BARBOSA DA CUNHA JUNIOR - LNCC