Implementación de biomodelos con fines experimentales y educativos. Una experiencia multidisciplinaria
Palabras clave:
Modelo matemático biomédico, Educación multidisciplinaria, Experimentación, Control predictivoResumen
Se presenta un modelo matemático para emular el comportamiento endocrino de personas sanas o con la patología de Diabetes Mellitus Tipo I y Tipo II teniendo en cuenta la relación glucosa/insulina/glucagón a corto plazo. La estructura básica del modelo es de tipo compartimental, donde varios de sus parámetros se han adoptado en base a experimentos con modelos biológicos propios. Para ello se trabajó multidisciplinariamente en tres áreas que son Química Biológica, Ingeniería Química y Electrónica. El principal objetivo es demostrar la potencialidad educativa del modelo desde la óptica de las disciplinas antes mencionadas.Descargas
Citas
Andreassen S, J. Benn, R. Hovorka, K. G. Olesen, and E.R. Carson (1994) A probabilistic approach to glucose prediction and insulin dose adjustment: Description of metabolic model and pilot evaluation study. Comput Methods Programs Biomed 41: 153-165.
Bellazzi R, C. Cobelli, E. Gomez, and M Stefanelli (1995.) The T-IDDM project: Telematic management of insulin dependent diabetes mellitus. In: Proc Health Telematics ’95, pp.271- 276.
Bellazzi. R, G. Nucci and C. Cobelli (2001) The Subcutaneous Route to Insulin-Dependent Diabetes Therapy IEEE Eng. Med. and Biology January/February pp. 54-64.
Carson E. R, C. Cobelli, and L. Finkelstein, (1983) The Mathematical Modeling of Metabolic and Endocrine Systems. New York: Wiley.
Cobelli, C. and R. N. Bergman, (Eds). (1981) Carbohydrate metabolism: Cuantitative Physiology and Mathematical Modelling, Wiley, Chichester.
Cobelli C., G. Federspil, G. Pacini, A. Salvan, and C. Scandellari. (1982) An Integrated Model of Blood Glucose Dynamics Control. Math. Biosci. 58:27- 60.
Díaz R. G., S. Aguerre, M. Basualdo y Fabiano A (2003) Regulación De Glucosa En Sangre De Pacientes Diabéticos Mediante Control Predictivo No Lineal Basado En Redes Neuronales. Actas del X RPIC. 1 pp-42-47. San Nicolás –Bs. As. Argentina
Diaz R., S. Aguerre, G. Roldan and M. Basualdo (2005). A Decision Support System Based On A Closed Loop PFC Applied For Type I Diabetes. Proceedings of 16th IFAC World Congress Praha, Check Republic
Hejlesen O. K, S. Andreassen, N. E. Frandsen, T. B. Sorensen, S. H. Sando, R. Hovorka, and D. A. Cavan (1998). Using a double blind controlled clinical trial to evaluate the function of a diabetes advisory system: A feasible approach. Comput Methods Programs Biomed 52:165-173.
Jonsson B (1998). The economic impact of diabetes Diabetes Care 21 (Suppl. 3): C7-C10.
Lehmann E. D, T. Deutsch, E. R. Carson, and Sonksen PH (1995). AIDA: An interactive diabetes advisor. Comput Methods Programs Biomed 41
Menoyo I, A. Rigalli, R. C. Puche. (2005). Effect of fluoride on the secretion of insulin in the rat. Arzneim Forschung. Drug Research. 55(8) 455- 460.
Morari M. and A. Gentilini, (2001) Challenges and Opportunities in Process Control: Biomedical Processes. AIChE Journal 47, No 10, pp. 2140 2143
Rigalli A, J. C. Ballina, E. Roveri, R. C. Puche (1990) Inhibitory effect of fluoride on the secretion of insulin. Calcif. Tissue Int. 46:333-338.
Ritter S. K. (2001). The Changing Face of Chemical Engineering EDUCATION 79, No 23.
Trajanoski Z and P. Wach (1998). Neural Predictive Controller for Insulin Delivery using the Subcutaneous Route. IEEE Trans Biomed Eng 45: 1122-1134.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)
