Modelado Dinámico y Control de Sistemas Biomédicos

Evitando que el remedio sea peor que la enfermedad

Las estrategias de control basadas en optimización, como el control predictivo basado en modelos o MPC, son hoy en día un paradigma para abordar diversos problemas biomédicos críticos, que van desde el COVID-19 (tanto a nivel celular como epidemiológico), el HIV, la tuberculosis y la Diabetes Mellitus tipo 1, hasta el cáncer y la resistencia a los antibióticos, entre otros. El enfoque estándar para determinar intervenciones óptimas —esencialmente, la forma más eficaz de ajustar los parámetros de modelos manipulables a lo largo del tiempo— consiste en utilizar un conjunto de ecuaciones diferenciales ordinarias y formular un problema de control óptimo que busque minimizar o maximizar algunas variables clave. Sin embargo, modelar sistemas biomédicos reales es mucho más complejo que simplemente plantear un conjunto de ecuaciones y un problema de control óptimo basado en ellas. Modelar escenarios del mundo real implica comprenderlos plenamente mediante la caracterización de los equilibrios, las regiones invariantes y su estabilidad, considerando limitaciones  realistas tanto para las variables como para los parámetros. Esta caracterización es, de hecho, una parte constitutiva del procedimiento de optimización, ya que ayuda a definir funciones objetivo y restricciones consistentes con la realidad que se desea modificar. Más aún, sin este tipo de análisis formal, un problema de control óptimo quedaría incompleto, lo que inevitablemente resultaría en intervenciones ineficaces y contraproducentes, como la reciente pandemia de COVID-19 nos ha demostrado trágicamente.

En esta charla revisaremos la caracterización dinámica y el control de una amplia gama de problemas biomédicos, tanto a nivel epidemiológico como celular. El objetivo es encontrar intervenciones adecuadas (farmacéuticas y no farmacéuticas), siguiendo procedimientos formales, cumpliendo con condiciones realistas y evitando, en lo posible, que el “remedio sea peor que la enfermedad”.

Modelado y control promedio en el plano de estados en electrónica de potencia: mejorando la dinámica de grandes transitorios sin aumentar los costos

Los convertidores de potencia conmutados son clave en aplicaciones como energías renovables, movilidad eléctrica y sistemas de carga de baterías. Para asegurar un desempeño estable en cualquier condición operativa, los controladores en lazo cerrado cumplen un rol fundamental, definiendo la respuesta dinámica del sistema. En la industria de electrónica de potencia, los controladores digitales basados en modelos linealizados de pequeña señal son la opción más utilizada, ya que su fácil implementación los hace ideales para microcontroladores accesibles. Sin embargo, debido a su enfoque de pequeña señal, los grandes transitorios pueden generar desafíos importantes.

Esta charla presenta una alternativa de modelado y control de gran señal para electrónica de potencia, basada en el análisis promedio del espacio de estados. Se desarrollarán modelos promedio de gran señal para topologías fundamentales y se extenderán a convertidores más complejos y aplicaciones avanzadas. También se explorarán estrategias para aprovechar estos modelos, incluyendo controladores que optimizan la respuesta dinámica del convertidor ante grandes transitorios sin incrementar la complejidad de implementación.

Filtrado espacial para mejorar el procesamiento de señales en neurofisiología invasiva y no-invasiva

En neurofisiología, la actividad registrada puede interpretarse como la mezcla de señales provenientes de distintas fuentes, tanto cerebrales como no cerebrales. Los modelos estadísticos asumen que estas fuentes se ven afectadas por un proceso de mezcla lineal, provocado por un proceso de difusión y conducción volumétrico. En esta charla, exploraremos cómo es posible aprender filtros espaciales que permiten estimar estas fuentes, mejorando así la relación señal-ruido de las señales cerebrales registradas. Estos métodos facilitan la identificación de las verdaderas fuentes neuronales, lo que a su vez simplifica la interpretación y el análisis de la actividad cerebral; y en consecuencia permite la construcción de métodos de aprendizaje maquinal para la decodificación de la actividad cerebral  neurofisiologicamente interpretables.

Innovación y Desarrollo Tecnológico para la Movilidad Eléctrica

Desde 1998, el Grupo de Electrónica Aplicada (GEA) perteneciente al IITEMA (UNRC-CONICET) ha impulsado una línea continua de investigación, desarrollo e innovación en movilidad eléctrica. En esta conferencia se presentarán los principales hitos tecnológicos alcanzados, desde los primeros prototipos y ensayos con sistemas de tracción eléctrica hasta los desarrollos actuales en tecnologías para vehículos eléctricos, sistemas de control, electrónica de potencia y gestión energética. A través del recorrido por proyectos de I+D y tesis de grado y posgrado asociadas, se mostrará cómo la articulación entre docencia, investigación y vinculación ha sostenido una agenda tecnológica con impacto regional y proyección nacional en el campo de la electromovilidad.