ALGORITMI E SISTEMI DI CONTROLLO PREDITTIVO BASATI SU RETI LSTM PER IL PANCREAS ARTIFICIALE

L'obiettivo del lavoro di tesi è quello di presentare e descrivere gli approcci automatizzati per il controllo del diabete, implementando un sistema di controllo predittivo (MPC) accoppiato a una rete neurale LSTM multivariata per la previsione e la modulazione dinamica dell'insulina. Lo sviluppo e la simulazione del sistema a ciclo chiuso sono stati effettuati in ambiente Python sulla piattaforma Kaggle, sfruttando dataset dedicati e librerie avanzate di data science e ottimizzazione. Le attività di ricerca sono state integrate attraverso l'analisi di articoli scientifici inerenti alle tematiche studiate, selezionati tramite portali di ricerca quali GoogleScholar. Il lavoro approfondisce lo studio delle tecnologie di monitoraggio continuo (CGM), l'architettura delle reti neurali per le serie storiche, la formulazione matematica dell'ottimizzazione non lineare con SLSQP e l'analisi dei risultati della simulazione a ciclo chiuso tramite metriche di valutazione clinica.