| dc.description | El modelado matemático del sistema respiratorio es de gran importancia en la medicina intensiva, dado que el cálculo de sus parámetros puede ser utilizado para determinar el mejor tratamiento para el paciente. El modelo del sistema pulmonar más utilizado en el entorno médico es lineal, el cual describe de forma simplificada el comportamiento del sistema respiratorio utilizando dos parámetros: la resistencia de las vías aéreas (Raw) y la compliance del sistema toraco-pulmonar (Crs). Las máquinas de ventilación asistida obtienen los valores de estos dos parámetros mediante un método simple y rudimentario, en el cual utilizan unos pocos puntos distintivos de las señales de presión y flujo, ambos medidos en la boca del paciente.
El gran avance de la tecnología en los sistemas de cómputo da lugar a la posibilidad de contar con modelos más realistas del sistema pulmonar, y obtener el valor de sus parámetros utilizando técnicas de identificación de sistemas. Una descripción no lineal de la mecánica respiratoria puede ser de gran utilidad para obtener información fisiológica adicional del sistema funcionando en condiciones respiratorias no usuales, como es el caso los pacientes con enfermedades como COPD, ARDS, COVID-19, entre otras.
En este trabajo, se presenta un algoritmo que provee en tiempo real un modelo no lineal más preciso, utilizando una aproximación cuadrática del sistema, dado que presenta una buena caracterización del comportamiento fisiológico en los rangos acotados de presiones y volúmenes utilizados en el proceso respiratorio. El algoritmo utiliza señales de presión y flujo medidos en la boca del paciente para obtener de forma online un modelo en cada ciclo respiratorio. Para ello, se emplean técnicas estándar de identificación de sistemas, calculando los parámetros del modelo no lineal sólo si el modelo del ciclo anterior no provee un buen ajuste. Además, se muestra el entorno de usuario desarrollado que permite visualizar gráficamente los resultados obtenidos, así como guardar los mismos para análisis posteriores. | |
