RT Generic
T1 Diseño de un Sistema de Control de Anestesia Basado en Máquinas de Soporte Vectorial
T2 Design of a Support Vector Machine-Based Anesthesia Control System
A1 Mesas Aranda, Gonzalo
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería de la Salud - Trabajos Fin de Grado
AB Este trabajo presenta el diseño e implementación de un sistema de control enlazo cerrado para la administración de anestesia, basado en Control PredictivoGeneralizado (GPC) utilizando un modelo de Máquinas de Vectores de Soporte(SVM). El objetivo es regular la profundidad anestésica, medida a través del ÍndiceBispectral (BIS), controlando automáticamente la tasa de infusión de propofol.Para simular la dinámica del paciente, se utilizó un modelo farmacocinético/farmacodinámico(PK/PD) de tres compartimentos (modelo de Schnider). El modeloSVM fue entrenado para predecir los valores de BIS a partir de datos históricos deinfusión y tendencias del BIS, permitiendo al controlador predecir estados futurosy optimizar la señal de control.La arquitectura propuesta fue comparada con un controlador PID tradicionalbajo condiciones de simulación idénticas en Simulink. Se evaluaron métricas derendimiento como el sobreimpulso, el tiempo de establecimiento, el error cuadráticomedio (MSE), el error absoluto integral (IAE) y el error cuadrático integral (ISE).Además, se realizaron experimentos con perturbaciones, incluyendo cambios dereferencia, ruido en la medición y pérdida de infusión, para evaluar la robustez deambos sistemas.Los resultados muestran que el controlador basado en SVM proporciona accionesde control más suaves y un rendimiento comparable o superior al del controladorPID en todas las métricas evaluadas. El sistema demostró una buenacapacidad de recuperación ante perturbaciones, con mejor anticipación y tiempode respuesta en ciertos escenarios. Estos resultados sugieren que las estrategias decontrol predictivo basadas en datos son una alternativa viable a los métodos clásicospara la administración automatizada de anestesia y ofrecen un gran potencialde adaptación personalizada en aplicaciones clínicas.
YR 2025
FD 2025-06
LK https://hdl.handle.net/10630/40871
UL https://hdl.handle.net/10630/40871
LA eng
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 20 ene 2026