Proyectos

Proyectos

 

AIMED+

A full-stack Architecture for the development and deployment of Artificial Intelligence Models, targeting Embedded and Mobile systems, with hardware acceleration support

Arquitectura con aceleración de hardware para desarrollo de Inteligencia artificial y su despliegue sobre aplicaciones Móviles y sistemas Empotrados Dedicados Title: Acrónimo: AIMED+

Proyecto PDC2025-165077-I00 de investigación financiado por MICIU/AEI /10.13039/501100011033 y por la Unión Europea

Prueba de Concepto 2025

 

 

Wearable-AI-4PwD

Wearable artificial-intelligence system for the decision support of people with diabetes

Proyecto PDC2022-133429-I00 de investigación financiado por MICIU/AEI /10.13039/501100011033 y por la Unión Europea Next GenerationEU/ PRTR

La diabetes mellitus es una enfermedad crónica que se caracteriza por la elevación de la glucosa en sangre debido a un defecto en la producción o en la acción de la insulina y que afecta a más de 470 millones de personas en el mundo. Las personas con diabetes necesitan, de por vida, medir y controlar su glucemia y, en algunos casos, inyectarse insulina por vía subcutánea. En la práctica clínica habitual, la glucemia se puede medir mediante monitores continuos de glucosa y la insulina se inyecta manualmente o mediante un infusor subcutáneo continuo (o bomba). Calcular la cantidad de insulina a inyectar es complejo, ya que depende de muchos factores, algunos difíciles de conocer o de evaluar. Una mala decisión hará que los niveles de glucosa permanezcan o se sitúen en valores perjudiciales para la salud. Por ello, para un control glucémico autónomo son necesarios modelos predictivos que hagan estimaciones de la evolución futura de la glucemia y permitan así tomar las decisiones más apropiadas para la salud de la persona con diabetes. Con esta información, un algoritmo de control, o la propia persona ayudada por algoritmos, podrá determinar más acertadamente la dosis de insulina a suministrar ya sea mediante una bomba de insulina o mediante una inyección subcutánea. Este proyecto se plantea como una continuación del proyecto Sistema adaptativo bioinspirado para el control glucémico basado en sensores y accesorios inteligentes-HERACLES-II (RTI-2018-095180-B-I00), continuación del proyecto HERACLES (TIN-2014-54806-R).En estos proyectos se ha desarrollado un conjunto de técnicas que permiten mejorar la toma de decisiones sobre el control glucémico de las personas con diabetes, profundizando en el conocimiento de las dinámicas glucorreguladoras. Se han cumplido los dos objetivos:(i) Incorporar a los modelos información proporcionada por dispositivos inteligentes para obtener una estimación de concentración de glucosa en sangre más precisa y ser capaces de realizar una predicción más exacta de su evolución durante periodos de tiempo superiores a las 2 horas, y (ii) Diseñar un prototipo en hardware de una red neuronal capaz de procesar la información para generar, en tiempo real, la estimación y la predicción. Además, se ha desarrollado una aplicación móvil que permite comunicarse con los modelos. El objetivo principal de este proyecto es desarrollar un sistema wearable de inteligencia artificial, potencialmente comercializable para mejorar la toma de decisiones de las personas con diabetes. El proyecto desarrollará una aplicación móvil, basada en los resultados obtenidos y publicados en el proyecto matriz, que proporcione predicciones y recomendaciones basadas en inteligencia artificial. El sistema tendrá dos variantes adaptadas a las necesidades de coste, de computación y de recursos del usuario. La primera opción es utilizar los procesadores especializados en inteligencia artificial, disponibles en los teléfonos móviles y tablets de última generación. Para ello, se implementarán en la aplicación los algoritmos ya testeados, los cuales podrán personalizarse en función de las características del paciente. Además, fabricaremos un predictor de glucosa para la toma de decisiones, implementado en una FPGA, las redes neuronales obtenidas en (ii), de precio inferior a los 10, conectando FPGA y aplicación como alternativa de bajo coste y bajo consumo a la que las personas con diabetes con menos recursos puedan acceder.