Modelado analítico y basado en datos de histéresis pulmonar

Abstract

La histéresis respiratoria, observable en la diferencia de recorrido de la curva P-V entre inspiración y espiración, se acentúa en enfermedades como asma, bronquitis y SARSCOVID19. Sin embargo, los modelos tradicionales suelen tratar la compliance pulmonar como constante, omitiendo esta característica relevante. Este trabajo propone modelar la histéresis mediante un enfoque analítico, ajustando parámetros a datos reales para simular la presión pulmonar con mayor precisión. Se logró reducir errores a menos del 5% (NRMSE) y simplificar el ajuste de parámetros. Además, se exploraron redes neuronales recurrentes (RNN) para modelar dinámicamente las señales respiratorias, comparando arquitecturas para minimizar errores. Se concluye que ambos enfoques permiten simular distintos pacientes según los requerimientos específicos.