“En el caso específico de la diabetes tipo 1, la industria no ha avanzado mucho en términos de tecnología (tenemos básicamente la misma que hace más de 15 años) y esto no puede ser posible; más aún, si consideramos que hay personas perdiendo partes del cuerpo o la vida por falta de educación y de tratamientos adecuados”, señaló en entrevista Gustavo Muñoz, a quien se le diagnosticó la enfermedad en 2005.
El joven explicó que cuando le diagnosticaron la enfermedad, se dio cuenta que mantener un nivel adecuado de glucosa, según lo recomendado por la Asociación Americana de Diabetes (ADA, por sus siglas en inglés), no es una tarea sencilla. “La cantidad de cálculos mentales y toma de decisiones en el día ronda alrededor de 150 decisiones y si vives una vida en la que trabajas, duermes, convives con otras personas, se vuelve un trabajo difícil y repetitivo; algo que es perfecto para una máquina, no para un humano”.
Dicha situación lo motivó a investigar sobre cuáles eran sus opciones tecnológicas; sin embargo, se dio cuenta que no había muchas, así que cambió el rumbo de su investigación y comenzó a documentarse acerca de la enfermedad para después determinar qué era lo que, desde su campo profesional, podía hacer.
Los resultados de la investigación
Una vez que Gustavo Muñoz se documentó lo suficiente, entendió que la mejor opción, en términos tecnológicos, era diseñar un aparato que cumpliera la función de un páncreas natural y se dio a la tarea de así hacerlo. Fueron dos años de trabajo el tiempo que le tomó llegar a un prototipo funcional que, a decir del joven, no tiene fines comerciales pero que sí seguirá desarrollando.
Al describir las etapas que atravesó el proyecto, señaló que para concretar el algoritmo que automatiza el suministro de insulina al cuerpo a través de una microinfusora de insulina que permite mantener un control de glucosa en el rango de 80 miligramos por decilitro (mg/dl) a 150 mg/dl con el objetivo de llegar a los 90 mg/dl, su proyecto atravesó cuando menos cinco etapas.
La primera consistió en encontrar la manera de controlar la microinfusora de insulina; después en desarrollar un controlador de lógica difusa; el desarrollo de un controlador predictivo con insulina activa; el controlador predictivo con insulina activa más carbohidratos activos; y por último, el desarrollo del controlador predictivo con insulina activa más carbohidratos activos más la producción de glucosa endógena.
Al detallar el trabajo de cada una de las etapas, el joven, que estudió la carrera de ingeniería industrial y de sistemas en el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM), explicó que durante la primera (2014), se preguntó cómo podía ser posible que no existiera un mecanismo que le permitiera automatizar el proceso de control de la glucosa.
“Busqué en línea y me encontré con el trabajo de Benjamin West, un paciente con diabetes tipo 1 que dedicó aproximadamente cinco años de su tiempo para hacer ingeniería inversa de microinfusoras de insulina. Logró comunicarse con ellas de manera remota y logró entender cómo controlarlas de manera remota”.
En ese momento, el joven pensó que el acceso a los datos de la microinfusora le permitiría enviar esa información a través de Internet a sus familiares, ello con la finalidad de reportarles en todo momento sus niveles de glucosa en la sangre. “Si estaba dormido y esta información era enviada, podría dormir más tranquilo al saber que cuando algo anduviera mal, mis seres queridos serían alertados”.
Añadió que al concluir esta fase del proyecto, publicó los resultados como fuente abierta para que otros pacientes pudieran utilizarlo. “Una vez que terminé, me surgió la inquietud de saber si contar con los datos me permitiría controlar el suministro de insulina”.
Para la siguiente fase, el desarrollo del controlador de lógica difusa, detalló que se trata de aquellos que toman dos valores como referencia entre sí y determinan un valor intermedio. “En mi día a día podía observar valores de glucosa y con base en ello determinar los valores de insulina requerida, esa era la función del controlador desarrollado; no obstante, no funcionaba correctamente y siempre me pasaba de insulina”.
En la tercera fase, desechó la lógica difusa y optó por un camino más lógico, es decir, tomó como referencia su historial de glucosa para realizar predicciones. “Esta iteración fue muy exitosa en su implementación, pero aún no era suficiente. Cuando dejaba el sistema correr por sí mismo e ingería alimentos, mis sensibilidades cambiaban y las decisiones de insulina eran básicamente incorrectas; en el corto plazo necesitaba más insulina y en el mediano plazo (dos horas) era demasiada”.
Ante ello, entendió que debía avisar al controlador cuándo tenía comida en su cuerpo, lo cual dio paso a la siguiente etapa, el desarrollo del controlador predictivo con carbohidratos activos. En esta etapa, desarrolló un sistema que estudia el pasado de las glucosas y predice el futuro de las mismas; asimismo, considera la insulina suministrada en el pasado y que permanece activa.
Considera también la ingesta de alimentos y su impacto en la glucosa cuando son absorbidos. Al conocer la glucosa resultante, realiza las estimaciones de insulina requerida para regresar a los niveles de glucosa adecuados. Como un plus, la información de las decisiones que toma el sistema es enviada a través de Pushover al celular del joven y sus familiares.
“El sistema corre de manera autónoma 24/7 y se actualiza cada cinco minutos. Todo el sistema de ingreso de carbohidratos y monitoreo de historiales es controlado desde mi teléfono móvil mediante una interfaz”. En la etapa más reciente del proyecto y debido a que es necesario determinar la insulina basal —aquella que se requiere para contrarrestar el efecto de producción de glucosa en el hígado— trabajó en un algoritmo que le permitiera entender los horarios de glucosa por parte del hígado.
“Aquí debía entender los ‘horarios’ de producción de glucosa de mi hígado y las condiciones bajo las cuales lo hace. Entendiendo esto y acumulando información de esta producción, puedo anticiparme a la misma y proporcionar la cantidad de insulina adecuada para evitar un ‘rebote’ de glucosa en la sangre”.
De acuerdo con el propio Gustavo Muñoz, para el desarrollo tecnológico se utilizaron piezas ya existentes en el mercado, pero que aun así forman parte de la innovación tecnológica ya que se les dio una nueva aplicación médica. No obstante, su principal aporte tecnológico tiene lugar en el algoritmo que lo controla, el cual desarrolló él solo desde cero.
El funcionamiento del páncreas artificial
Al resumir el funcionamiento del páncreas artificial que desarrolló para sí mismo, Gustavo Muñoz dijo que la última versión desarrollada básicamente estudia el pasado de la glucosa y lo usa para predecir el futuro de la misma —predicciones de 20 minutos a futuro—; considera también la insulina suministrada en el pasado, cuánto tiempo lleva activa y cuánto tiempo más tendrá efecto.
“Por ejemplo, en mi caso, la insulina tiene una duración, efecto, de tres horas, así que tengo que vivir con las decisiones de insulina que hago ahora por las siguientes tres horas”. De igual forma, el equipo estima el consumo de alimentos y su impacto en la generación de glucosa. En este punto, una vez que el equipo conoce la glucosa resultante de la ingesta de alimentos, determina la cantidad de insulina requerida para regresar los niveles de glucosa a los establecidos. Finalmente, analiza la historia de producción de glucosa endógena y determina también la cantidad de insulina requerida para disminuirla.
“Cualquier decisión del sistema y acción que emprenda, se envía a través de Pushover a mi teléfono celular y al de mis familiares”. Finalmente, explicó que la validación del desarrollo la ha realizado él mismo utilizándolo 24 horas al día durante los siete días de la semana. “Lo he utilizado por casi tres años ya y con promedios de glucosa de 100 a 110 mg/dl con un 83 por ciento del tiempo dentro de 80 a 150 mg/dl; mientras que ocho por ciento del tiempo está abajo de 80 mg/dl y nueve por ciento, arriba de 150 mg/dl.
Fuente: Agencia Informativa Conacyt / Jorge Armando Bonilla
