Publication: Development o fan iPhone and Apple Watch app to obtain estimates of physiological atributes using Artificial Intelligence
Loading...
Official URL
Full text at PDC
Publication Date
2021-06
Authors
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Citations
Exportar
Abstract
In this project, we have developed a new iOS and WatchOS version of glUCModel, a platform for diabetes and related data management. The main purpose is allowing its users to upload their health data samples to an external database[1] in order to further develop predictive models for blood glucose levels and keep such models updated, learning to improve themselves. Health data simples will be measured and obtained through smart devices, will be stored directly on the iPhone's Health app and, eventually, with beforehand explicit permission from the users, our app will process such samples to store them in the glUCModel external database. Users will be able to make use of pretrained models by requesting an estimate of their blood glucose levels, while being able at the same time to choose a model which feels more convenient to them at the time. Moreover, users will be able to monitor their blood glucose level by reading their samples from the same database, keeping track of its evolution throughout the last 24 hours along with the pertinent calculations to assure they are up to date with the current state of their glycemia every time they need it.
En este trabajo, se han desarrollado versiones para iOS y WatchOS de glUCModel, una plataforma para la gestión de la diabetes y datos relacionados con ella. El principal objetivo es el de permitir a sus usuarios subir sus muestras de datos de salud a una base de datos externa para poder avanzar en el desarrollo de modelos de predicción de niveles de glucosa en sangre y mantener dichos modelos actualizados y aprendiendo a mejorarse a sí mismos. Las muestras de datos de salud serán medidas y recogidas a través de dispositivos inteligentes, almacenadas directamente en la app de Salud del iPhone y, finalmente, con previo permiso explícito por parte de los usuarios, nuestra app procesará dichas muestras para almacenarlas en la base de datos externa de glUCModel. Los usuarios podrán hacer uso de modelos previamente entrenados al solicitar una estimación de su nivel de glucosa en sangre, pudiendo a la vez elegir un modelo que les parezca más conveniente en el momento. Además, los usuarios podrán observar sus niveles de glucosa en sangre al leer sus muestras desde la misma base de datos, pudiendo realizar un seguimiento de su evolución durante las últimas 24 horas junto a los cálculos pertinentes para asegurar que puedan están al día con el estado actual de sus glucemias cada vez que lo necesiten.
En este trabajo, se han desarrollado versiones para iOS y WatchOS de glUCModel, una plataforma para la gestión de la diabetes y datos relacionados con ella. El principal objetivo es el de permitir a sus usuarios subir sus muestras de datos de salud a una base de datos externa para poder avanzar en el desarrollo de modelos de predicción de niveles de glucosa en sangre y mantener dichos modelos actualizados y aprendiendo a mejorarse a sí mismos. Las muestras de datos de salud serán medidas y recogidas a través de dispositivos inteligentes, almacenadas directamente en la app de Salud del iPhone y, finalmente, con previo permiso explícito por parte de los usuarios, nuestra app procesará dichas muestras para almacenarlas en la base de datos externa de glUCModel. Los usuarios podrán hacer uso de modelos previamente entrenados al solicitar una estimación de su nivel de glucosa en sangre, pudiendo a la vez elegir un modelo que les parezca más conveniente en el momento. Además, los usuarios podrán observar sus niveles de glucosa en sangre al leer sus muestras desde la misma base de datos, pudiendo realizar un seguimiento de su evolución durante las últimas 24 horas junto a los cálculos pertinentes para asegurar que puedan están al día con el estado actual de sus glucemias cada vez que lo necesiten.
Description
Trabajo de Fin de Grado en, Facultad de Informática UCM, Departamento de Arquitectura de Computadores y Automática, Curso 2020/2021.