El páncreas artificial se ha consolidado como nuevo tratamiento para las personas con diabetes mellitus tipo 1. Esta enfermedad crónica y autoinmune deteriora la regulación glucémica en los pacientes que la padecen y se presenta como un problema de salud pública mundial en crecimiento. En la actualidad diversas pruebas clínicas a nivel mundial han demostrado la validez de los algoritmos de control glucémico. No obstante, nuevos retos se presentan para la concreción de un sistema totalmente automatizado, entre ellos la sintonización automática, la personalización y la eliminación del anuncio de comidas. En el presente trabajo se desarrollan los siguientes temas: Primero, se proponen dos algoritmos de control glucémico con rechazo de perturbaciones de comidas no anunciadas: el primero es una estrategia en paralelo entre un controlador por realimentación y un PID positivo (K+PID); el segundo es un controlador predictivo por zonas con entrada impulsiva (iZMPC). Los algoritmos son validados en un total de 50 pacientes virtuales. Los resultados muestran que ambos controladores logran evitar los casos de hipoglucemia y mantener los niveles de glucosa en la zona de normoglucemia (98, 13% y 95, 01% del tiempo para el iZMPC y el K+PID, respectivamente) ante perturbaciones de comidas no anunciadas. Luego, se propone una metodología para la sintonización automática de controladores glucémicos. Dicha propuesta se basa en un procedimiento de optimización de los parámetros de sintonía haciendo uso del método Nelder-Mead, para maximizar el tiempo de permanencia en normoglucemia. La validación se realiza con 33 pacientes virtuales extraídos del simulador virtual UVa/Padova y con el controlador iZMPC. Los resultados obtenidos muestran un incremento promedio de 17, 21% más de tiempo en normoglucemia, con respecto a la sintonización inicial. Finalmente, se propone un algoritmo de detección y estimación de comidas para la reconstrucción de señales de carbohidratos. El algoritmo propone un esquema de realimentación y un estimador en funciones de transferencia para la detección y estimación de comidas, en base a la señal entregada por el estimador se realiza la reconstrucción de la señal de anuncio de comidas. La validación se realiza por medio de datos recolectados en 30 pacientes virtuales y 5 reales. Los resultados muestran que en promedio el algoritmo presenta una sensibilidad de 98 %, un error de estimación del 14% en la amplitud de la comida y un desfase temporal de 4 min con respecto al inicio real de la comida. (Tomado de la fuente)