Contexto - TRIAKAL-UN/GlucIA-Asistente GitHub Wiki

Contexto

Problemática

La diabetes mellitus, una enfermedad metabólica crónica, afecta la capacidad del cuerpo para regular los niveles de glucosa en sangre, generando complicaciones como la hiperglucemia (niveles altos de glucosa) o la hipoglucemia (niveles bajos de glucosa). Estas condiciones son comunes entre los pacientes que reciben tratamiento con insulina, debido a la dificultad de ajustar correctamente las dosis a las necesidades diarias del organismo, las cuales pueden variar por factores como la dieta, el ejercicio, el estrés y el estado general de salud. Si bien existen múltiples tecnologías para el control de glucosa y la administración de insulina, implican que el usuario sea tecnológicamente competente, cuente con una conexión estable a internet, y disponga de los recursos económicos suficientes para acceder a ellos.

Objetivo general

Desarrollar una solución tecnológica desde la ingeniería electrónica que contribuya a la prevención de episodios de hiperglucemia e hipoglucemia en personas con diabetes mediante la optimización en el acceso a la información.

Objetivos específicos

Analizar los factores fisiológicos, ambientales y tecnológicos que influyen en la aparición de hiperglucemia e hipoglucemia en pacientes diabéticos tratados con insulina.
Identificar y evaluar las tecnologías existentes de monitoreo y administración automatizada de insulina, así como sus limitaciones en contextos urbanos y rurales en Colombia.
Diseñar una propuesta tecnológica basada en principios de ingeniería electrónica que permita un control más preciso, accesible y personalizado del suministro de insulina en pacientes diabéticos.

Alcance

Este proyecto alcanzó un nivel TRL 1-2, correspondiente a validación conceptual y desarrollo inicial de prototipos en laboratorio. Se logró la implementación de un sistema funcional de asistencia de IA local usando una Raspberry Pi 5, integrando modelos de lenguaje (TinyLlama), reconocimiento de voz (Whisper) y síntesis de voz (Piper TTS), junto a un sistema RAG con base de datos médica.

El sistema logró:

Ejecución local completa (sin conexión a internet).
Respuestas auditivas coherentes a preguntas sobre diabetes.
Procesamiento de preguntas en lenguaje natural con recuperación de contexto.

Limitaciones actuales:

Compatibilidad incompleta con ciertos módulos de audio dedicados.
Latencia superior a la deseada en la transcripción y generación de respuesta.
Base de datos preliminar con necesidad de expansión y validación médica.