Aplicación móvil para generar alertas de hipoglucemia mediante Transformadas de Wavelet y Deep Learning

Abstract

La diabetes es una enfermedad crónica que afecta a millones de personas en todo el mundo, y requiere de una monitorización continua para evitar complicaciones graves como las hipoglucemias.

Este Trabajo de Fin de Grado consiste en el desarrollo de una aplicación móvil para dispositivos iOS que alerte sobre potenciales episodios de hipoglucemia, mediante el uso de técnicas de aprendizaje profundo y transformadas Wavelet.

La aplicación, desarrollada en SwiftUI, se sincroniza con Apple Health para obtener los datos diarios de glucosa del usuario y mostrarlos en gráficos interactivos.

A partir de los registros de glucosa del día anterior, la app permite al usuario obtener una predicción acerca de si sufrirá una hipoglucemia durante las 24 horas siguientes. Para ello, se implementa el método propuesto en la tesis doctoral de Jorge Alvarado (dirigida por el grupo ABSys, de la Universidad Complutense de Madrid, que también dirige este TFG).

Mediante una API, implementada en Python y FastAPI, se generan imágenes en formato PNG con un espectrograma aplicando la transformada Wavelet a la serie temporal de valores de glucosa. Estas imágenes son analizadas posteriormente por una red neuronal convolucional DenseNet-121 de clasificación de imágenes, que determina la probabilidad de sufrir una hipoglucemia al día siguiente.

La intención de este proyecto es consolidar las investigaciones previas del grupo ABSys sobre la predicción de hipoglucemias, con el desarrollo y la publicación de una aplicación tangible, que pueda ser usada por personas con diabetes para mejorar su control diario de glucosa y con ello su calidad de vida.

Diabetes is a chronic disease that affects millions of people worldwide and requires continuous monitoring to prevent serious complications such as hypoglycemia.

This Final Degree Project focuses on the development of a mobile application for iOS devices that alerts users about potential hypoglycemic episodes, using deep learning techniques and Wavelet transforms.

The application, developed in SwiftUI, synchronizes with Apple Health to retrieve the user’s daily glucose data and displays it through interactive charts.

Based on glucose records from the previous day, the app allows users to obtain a prediction of whether they are likely to experience a hypoglycemia episode in the following 24 hours. To achieve this, the method proposed in the doctoral thesis of Jorge Alvarado (supervised by the ABSys research group at the Complutense University of Madrid, which also supervises this project) is implemented.

Through an API developed in Python using FastAPI, PNG images are generated by applying the Wavelet transform to the time series of glucose values, resulting in a spectrogram. These images are then analyzed by a DenseNet-121 convolutional neural network for image classification, which determines the probability of a hypoglycemic event occurring the next day.

The goal of this project is to build upon the previous research by the ABSys group on hypoglycemia prediction, through the development and deployment of a tangible application that can be used by people with diabetes to improve their daily glucose management and, ultimately, their quality of life.