Desarrollo de un gemelo digital basado en aprendizaje automático para la simulación de un biosensor hormonal

Abstract

El uso de gemelos digitales en el ámbito de la salud ha demostrado ser una herramienta valiosa para la simulación de sistemas biológicos y la optimización de tratamientos personalizados. En este artículo presentamos el desarrollo inicial de un gemelo digital basado en aprendizaje automático para simular el comportamiento de un biosensor, con el propósito de predecir la respuesta a diferentes concentraciones hormonales y conectar el DT del biosensor al sistema inteligente de seguimiento de la salud antes de que esté desarrollado físicamente. Se recopilaron datos experimentales de dos prototipos de biosensor y se entrenaron seis modelos de aprendizaje automático para encontrar el modelo más adecuado. Los resultados muestran que el modelo CatBoost Regressor para el primer biosensor logra una clasificación con alta precisión, mientras que el modelo Gradient Boosting para el segundo biosensor presenta cierta confusión en la categoría de medición.