Modelado y optimización aplicados al desarrollo de tecnologías orientadas al análisis, diagnóstico y control de sistemas de respiración asistida

Abstract

La ventilación mecánica (VM) es una terapia crucial en el tratamiento de pacientes con insuficiencia respiratoria o síndrome de distrés respiratorio agudo (SDRA), siendo esencial en unidades de terapia intensiva (UTI), donde hasta el 50\% de los pacientes requieren VM. A pesar de las mejoras terapéuticas, la mortalidad sigue siendo significativa, particularmente en pacientes con SDRA. El objetivo principal de la VM es mantener un intercambio gaseoso adecuado en los alvéolos, especialmente en casos de SDRA donde el colapso alveolar es común. La aplicación de presión positiva es esencial, y los ventiladores modernos son comúnmente utilizados de manera invasiva o no invasiva. Sin embargo, configuraciones incorrectas pueden causar lesiones pulmonares mecánicas, conocidas como lesiones pulmonares inducidas por el ventilador (VILI). A pesar de avances en la VM, existe la necesidad de avanzar hacia una medicina más predictiva, personalizada y preventiva. Se busca optimizar el cuidado y prevenir lesiones pulmonares evitables. La personalización de la VM es esencial para evitar VILI y mejorar resultados. Esta tesis propone algoritmos basados en modelos no lineales y técnicas de estimación de parámetros para obtener información relevante de pacientes bajo VM. Se exploran dos enfoques principales: uno en tiempo real, utilizando elastancia variable, y otro que obtiene parámetros de un modelo no lineal ciclo a ciclo, con mejoras como un umbral de activación del algoritmo y un entorno de usuario. Además, se presenta un algoritmo de control para regular la válvula espiratoria de un respirador, utilizando técnicas de control por modos deslizantes. En resumen, la tesis aborda desafíos en la VM, proponiendo enfoques innovadores y personalizados para mejorar la atención, prevenir lesiones y optimizar la recuperación de pacientes bajo VM. La aplicación de modelos no lineales y técnicas de control ofrece un camino prometedor hacia una VM más efectiva y personalizada en el futuro.