Diseño y construcción de un dispositivo glucómetro IoT no invasivo y análisis comparativo con un glucómetro comercial

CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto propone el desarrollo de un dispositivo de medición de glucosa no invasivo, basado en tecnología de fotopletismografía y algoritmos de inteligencia artificial, con el objetivo de realizar mediciones sin punción para la medición de la glucosa en sangre. Se plantea como hipótesis que el análisis de señales ópticas, junto con el uso de redes neuronales, permitan estimar niveles de glucosa con un margen de error similar a glucómetros comerciales. La justificación radica en la necesidad de métodos menos dolorosos y accesibles para el monitoreo de personas sanas y con diabetes. Durante el desarrollo, se utilizó el microcontrolador ESP32, sensores ópticos infrarrojos, una pantalla OLED, y circuitos de acondicionamiento de señal. Se implementaron técnicas de detección de picos (voltajes máximos) y valles (voltajes mínimos) en la señal fotopletismografía para calcular la absorbancia y el voltaje pico a pico, los cuales se usaron como entradas de una red neuronal entrenada en Google Colab. Se aplicaron normas de validación como la ISO 15197:2015 para comparar los resultados del dispositivo con un glucómetro comercial Accu-Chek Instant. Los resultados demostraron que el dispositivo fue capaz de estimar los niveles de glucosa con una precisión consistente dentro de los márgenes permitidos por la normativa aplicada. Mediante regresión lineal, se obtuvo un error promedio de 5.481%, calculado a partir de tres mediciones con errores individuales de 5.481%, 5.396% y 5.190%. Las redes neuronales artificiales registraron un error promedio de 5.926%, con errores individuales de 5.740%, 6.267% y 5.773%. Estos márgenes de error se consideran aceptables en comparación con las mediciones realizadas con un glucómetro comercial. Se concluye que el dispositivo desarrollado representa una base viable para la creación de glucómetros no invasivos, combinando hardware accesible con procesamiento inteligente, y abre la posibilidad de futuras mejoras en precisión y portabilidad.

• Auteur principal: Flores Suquillo, Pablo Israel (author)
• Autres auteurs: Arguello Andrade, Geovanny Manuel, Director (author)
• Format: bachelorThesis
• Publié: 2025
• Sujets: Glucómetro no invasivo; otopletismografía; Redes neuronales artificiales; ESP32; Estimación de glucosa
• Accès en ligne: http://www.dspace.espol.edu.ec/handle/123456789/67407