Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial

ROSALES, NICOLAS; GARELLI, FABRICIO; SERAFINI, MARIA CECILIA

Buenos Aires

Congreso; AADECA2020 - 27º Congreso Argentino de Control Automático; 2020

Asociación Argentina de Control Automático - AADECA

El control a lazo cerrado de glucemia en personascon diabetes se ha convertido en un problema emblemático decontrol automático en la última década. Si bien predominan lossistemas de Control híbrido en los que el sistema realimentado secombina con una acción feed-forward para la compensación deingestas, existen auspiciosos resultados utilizando controladoresde lazo cerrado puro. Tal es el caso del controlador ARGque ha sido evaluado en ensayos clínicos en nuestro país. Encualquier caso, el diseño y la evaluación de los controladoresse ha centrado en el desempeño de corto plazo, principalmentepost-prandial. En este trabajo, se evalúa el potencial de lasherramientas de aprendizaje por refuerzo para la adaptaciónde mediano y largo plazo de los controladores glucémicos. Enparticular, se propone una Adaptación basada enQ-learning, unade las técnicas más desarrolladas de aprendizaje por refuerzosin modelo. La estrategia de adaptación resultante se ilustra enprimer lugar sobre un ejemplo sencillo, y luego se aplica a laadaptación del límite de IOB (Insulina a Bordo) del controladorARG. Los resultados obtenidos, aunque todavía preliminares,permiten concluir que las herramientas de aprendizaje porrefuerzo pueden ser de gran utilidad tanto para la adaptaciónde controladores de lazo cerrado como para su aplicación ensistemas de soporte de decisiones terapéuticas