Alamo, Teodoro, Universidad de Sevilla. Departamento de Ingeniería de Sistemas y Automática, Rodríguez Álvarez-Ossorio, María Leonor, Alamo, Teodoro, Universidad de Sevilla. Departamento de Ingeniería de Sistemas y Automática, and Rodríguez Álvarez-Ossorio, María Leonor
En este trabajo de fin de grado se aborda la gestión de la anestesia utilizando técnicas de control predictivo, con el objetivo de optimizar la administración de anestésicos y garantizar la seguridad del paciente durante procedimientos quirúrgicos, centrándose específicamente en el uso del Propofol, un anestésico intravenoso ampliamente utilizado. El objetivo principal de la anestesia general es permitir intervenciones quirúrgicas sobre la integridad del cuerpo, sin producir dolor, mediante la administración de fármacos anestésicos por vía intravenosa y/o inhalatoria, procurando la máxima seguridad, comodidad y vigilancia durante la intervención. Los medicamentos introducidos producen entonces un efecto en el sistema nervioso central produciendo amnesia, analgesia, pérdida del conocimiento, relajación muscular y la supresión de reflejos. Para modelar como se comporta el organismo bajo los efectos del Propofol, es necesario recurrir a dos modelos. En primer lugar, hay que modelar como se transfiere el medicamento por los distintos compartimentos del cuerpo mediante el uso del modelo farmacocinético. En segundo lugar, se ha de modelar como la concentración de dicho medicamento produce un efecto en el sistema central, mediante el uso del modelo farmacodinámico. Para ello se hace uso del Índice Bispectral (BIS) como medida de la profundidad anestésica, el cual se correlaciona con la concentración de medicamento mediante la función de Hill. Una vez definidos los modelos, se implementan dos tipos de estructuras de control: un controlador Proporcional Integral (PI) y un control predictivo basado en modelo (MPC), con el objetivo de optimizar la dosificación y asegurar la eficacia y seguridad del procedimiento anestésico. Estos controladores son evaluados mediante simulaciones en MATLAB, utilizando un filtro de Kalman para la estimación del estado del paciente. Para ello se han tenido en cuenta posibles perturbaciones, así como el efecto de un posible ruido en las mediciones, This project deals with the management of anaesthesia using predictive control techniques, with the aim of optimising the administration of anaesthetics and guaranteeing patient safety during surgical procedures, focusing specifically on the use of Propofol, a widely used intravenous anaesthetic. The main objective of general anaesthesia is to allow surgical interventions on the integrity of the body, without producing pain, by administering anaesthetic drugs intravenously and/or by inhalation, ensuring maximum safety, comfort and vigilance during the intervention. The drugs introduced then produce an effect on the central nervous system, producing amnesia, analgesia, loss of consciousness, muscle relaxation and suppression of reflexes. To model how the organism behaves under the effects of Propofol, two models are needed. Firstly, it is necessary to model how the drug is transferred through the various compartments of the body using the pharmacokinetic model. Secondly, it has to be modelled how the concentration of the drug produces an effect in the central system, using the pharmacodynamic model. For this purpose, the Bispectral Index (BIS) is used as a measure of the anaesthetic depth, which is correlated with the drug concentration by means of the Hill function. Once the models are defined, two types of control structures are implemented: a Proportional Integral (PI) controller and a model-based predictive control (MPC), with the aim of optimising the dosage and ensuring the efficacy and safety of the anaesthetic procedure. These controllers are evaluated by means of MATLAB simulations, using a Kalman filter for the estimation of the patient's state. This takes into account possible disturbances as well as the effect of possible noise on the measurements. The study concludes that predictive monitoring can significantly improve anaesthesia delivery, personalising treatment and reducing risks. Finally, the possibility of integrating other techniques such as parame