🧬 biology

Model Predictive Controller to Regulate Cortisol Levels in Individuals With Adrenal Insufficiency

Este artículo propone un Controlador de Modelo Predictivo (MPC) integrado con un nuevo modelo matemático del eje hipotálamo-hipofisario-adrenal (HPA) para servir como asistente virtual para médicos, permitiendo la optimización de la terapia de reemplazo de cortisol para pacientes con insuficiencia adrenal primaria o secundaria mientras se adhieren rigurosamente a las restricciones de dosificación.

Autores originales: Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

Publicado 2026-07-13

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que tu cuerpo tiene un termostato diminuto y súper inteligente dentro de tu cerebro que controla una "hormona del estrés" especial llamada cortisol. Esta hormona es como el combustible de emergencia del cuerpo; te ayuda a manejar el estrés, mantener tu energía y combatir infecciones. En una persona sana, este termostato funciona con un ritmo diario natural, bombeando más combustible por la mañana para despertarte y menos por la noche para que puedas dormir.

Pero para las personas con una condición llamada Insuficiencia Suprarrenal (IS), este sistema está roto. Es como si la caldera de una casa hubiera dejado de funcionar. No pueden producir su propio cortisol, por lo que tienen que obtenerlo de una pastilla (hidrocortisona) para sobrevivir. El gran problema es que determinar exactamente cuánto tomar y cuándo es complicado. Si toman muy poco, se sienten débiles y enfermos. Si toman demasiado, puede ser peligroso.

Actualmente, los médicos suelen jugar sobre seguro con un "horario fijo". Podrían decir: "Tome 12 mg a las 8:00 am, 4 mg a las 2:00 pm y 4 mg a las 8:00 pm". Los autores de este artículo realizaron simulaciones por computadora para ver qué tan bien funciona este horario fijo. Encontraron que, si bien logra llevar los niveles de la hormona al rango adecuado, no es perfecto. Es como conducir un coche con el control de crucero configurado en una sola velocidad; te lleva a tu destino, pero no se ajusta si el camino se vuelve empinado o plano.

La Nueva Idea: Un "Copiloto Virtual"

Para hacerlo mejor, los investigadores construyeron un nuevo mapa matemático súper detallado de cómo funciona el sistema de estrés del cuerpo. Este mapa incluye el ritmo diario (el reloj circadiano) y cómo el cuerpo intenta naturalmente dejar de producir cortisol cuando hay demasiado de él.

Usando este mapa, diseñaron un "Controlador Predictivo basado en Modelos" (MPC, por sus siglas en inglés). Piensa en este MPC como un copiloto virtual inteligente para el médico. En lugar de simplemente adivinar un horario fijo, este copiloto mira constantemente hacia adelante. Se pregunta: "Si doy esta dosis ahora, ¿cómo serán los niveles de la hormona en una hora? ¿En dos horas? ¿Serán demasiado altos o demasiado bajos?".

El copiloto luego calcula la dosis perfecta para mantener los niveles en el punto justo, pero tiene reglas estrictas que debe seguir:

Sin dosis negativas: No puedes tomar pastillas "menos".
Sin sobredosis: No sugerirá una dosis que sea demasiado alta (el límite se establece para que el paciente no se enferme por tener demasiado cortisol).
Pastillas del mundo real: Dado que no puedes comprar una pastilla de 5.45 mg en la farmacia, el copiloto redondea los números a los 5 mg más cercanos (como 5 mg, 10 mg o 15 mg) y se mantiene en los horarios habituales: 8:00 am, 2:00 pm y 8:00 pm.

Lo que las Simulaciones Mostraron

El equipo probó este copiloto virtual en dos tipos diferentes de sistemas de estrés averiados:

IS Primaria: Las glándulas suprarrenales (la caldera) están totalmente rotas.
IS Secundaria: El termostato del cerebro (el hipotálamo y la hipófisis) está roto, por lo que nunca le dice a las glándulas que trabajen.

En sus simulaciones por computadora, el MPC fue capaz de guiar los niveles de la hormona para que coincidieran perfectamente con un "objetivo". Ya fuera que el objetivo fuera una línea constante o una línea ondulada que imita el ritmo natural de la mañana a la noche, el controlador ajustó las dosis para seguirlo de cerca.

Por ejemplo, cuando le dijeron al sistema que apuntara a un nivel de cortisol de 10 µg/dL o 15 µg/dL, el controlador calculó la mezcla exacta de pastillas necesarias para llegar allí sin sobrepasarse. Incluso cuando intentaron imitar un día cambiante con un objetivo de "onda senoidal" (ondulante), el controlador se adaptó, aunque con un ligero retraso (un pequeño "retraso de fase"), lo cual es normal en la forma en que el cuerpo reacciona.

La Conclusión

El artículo no afirma que esto sea una cura o que haya sido probado en personas reales todavía. En cambio, los autores demuestran que, en sus simulaciones, este asistente virtual inteligente y que sigue reglas puede hacer un trabajo mucho mejor que el antiguo método de "horario fijo". Demuestra que es posible usar las matemáticas para crear un plan personalizado y óptimo para la toma de cortisol.

Los investigadores sugieren que el siguiente paso sería ajustar las matemáticas para que se adapten a pacientes específicos y luego probarlas con datos reales. Pero por ahora, este estudio muestra que un copiloto virtual inteligente podría, algún día, ayudar a los médicos a prescribir la dosis perfecta de cortisol, manteniendo a los pacientes seguros y sanos.

Resumen Técnico: Controlador de Modelo Predictivo para Regular los Niveles de Cortisol en Individuos con Insuficiencia Suprarrenal

Planteamiento del Problema
La insuficiencia suprarrenal (IS), o hipocortisolismo, es una condición caracterizada por la incapacidad de las glándulas suprarrenales para producir suficiente cortisol, una hormona crítica para regular el estrés, el metabolismo y las respuestas inmunitarias. La IS se manifiesta en dos formas primarias: la IS primaria (trastorno suprarrenal) y la IS secundaria (trastorno hipotalámico-pituitario). Si bien la IS no tiene cura, se gestiona mediante la terapia de reemplazo de cortisol, que normalmente implica dosis fijas de hidrocortisona (HC). Sin embargo, las estrategias estándar de dosis fijas suelen ser subóptimas; no logran dar cuenta de la compleja dinámica no lineal del eje hipotálamo-pituitario-adrenal (HPA), incluyendo los ritmos circadianos endógenos y los bucles de retroalimentación. Además, tanto el exceso como la deficiencia de dosis plantean riesgos significativos para la salud, ya que los estudios indican que una terapia de reemplazo más alta se correlaciona con una mayor mortalidad. El desafío radica en desarrollar una estrategia de tratamiento que se adhiera rigurosamente a las restricciones de dosificación mientras regula dinámicamente los niveles de cortisol dentro de un rango saludable.

Metodología
Los autores proponen un nuevo marco matemático que combina el modelado avanzado con el Control Predictivo de Modelo (MPC, por sus siglas en inglés) para servir como un asistente virtual para los médicos.

Modelado Matemático del Eje HPA:
El estudio construye un modelo de ecuaciones diferenciales no lineales del eje HPA que integra tres componentes clave:
- El modelo estructural de Andersen et al. (2013), que contabiliza los receptores de glucocorticoides y mineralocorticoides y los límites del tamaño de la glándula.
- La función de ritmo circadiano endógeno $C(t)$ de Bangsgaard y Ottesen (2017), que modela la variación diurna de la liberación de hormonas.
- Mecanismos de retroalimentación negativa fuerte del cortisol hacia la Hormona Liberadora de Corticotropina (CRH), según lo sugerido por Sriram et al. (2012), para simular con precisión las condiciones de IS.
  El modelo define tres variables de estado: la concentración de CRH ( $x_1$ ), la concentración de ACTH ( $x_2$ ) y la concentración de cortisol ( $x_3$ ). Una variable de entrada $u$ representa la terapia de reemplazo de cortisol exógeno. El modelo se parametriza por separado para la IS primaria y la secundaria, con valores específicos para las tasas de estímulo y las tasas de agotamiento derivados de la literatura.
Validación de Lazo Abierto:
Antes de implementar el control, el modelo fue validado utilizando una simulación de lazo abierto de la práctica clínica estándar. Se aplicaron al modelo dosis diarias fijas de hidrocortisona (20 mg y 25 mg), divididas en tres administraciones (60% mañana, 20% tarde, 20% noche). Estas simulaciones confirmaron que, si bien una dosificación fija podía elevar el cortisol a rangos normales, resultaba en trayectorias no óptimas y no replicaba plenamente los matices fisiológicos del eje HPA.
Diseño del Control Predictivo de Modelo (MPC):
Para lograr una regulación óptima, los autores diseñaron un controlador MPC.
- Linealización y Discretización: El modelo no lineal del HPA se linealizó alrededor de un estado de equilibrio (donde $u=0$ ) y se discretizó utilizando un retención de orden cero con un tiempo de muestreo de 1 hora.
- Configuración del Controlador: El MPC se configuró con un horizonte de predicción ( $N_p$ ) de 10 horas y un horizonte de control ( $N_c$ ) de 4 horas. Utiliza un filtro de Kalman para estimar los estados no medidos (CRH y ACTH) basados en los niveles medidos de cortisol.
- Restricciones: El controlador impone restricciones estrictas: las dosis de entrada deben ser no negativas y estar limitadas a 15 mg por dosis, con un límite diario de 30 mg. Para alinearse con la realidad clínica, las dosis óptimas calculadas se cuantizan al incremento de 5 mg más cercano.
- Objetivo: El controlador minimiza una función de costo cuadrática para dirigir la concentración de cortisol hacia una trayectoria de referencia (constante o sinusoidal) mientras respeta las restricciones de entrada.

Contribuciones Clave
El artículo describe cinco contribuciones específicas:

El desarrollo de un nuevo modelo del eje HPA que incorpora explícitamente tanto los ritmos circadianos como los ultradianos.
La simulación de dos condiciones distintas de IS: insuficiencia suprarrenal primaria y secundaria.
La introducción de una variable de entrada $u$ para modelar matemáticamente la terapia de reemplazo de cortisol.
La verificación del modelo propuesto frente a datos de pacientes publicados para la IS primaria.
La construcción de un asistente virtual basado en MPC capaz de generar estrategias de reemplazo de cortisol optimizadas y restringidas para ambos tipos de IS.

Resultados
Los resultados de la simulación demuestran la eficacia del enfoque propuesto:

Lazo Abierto: Las simulaciones de dosis fijas mostraron que, aunque los niveles de cortisol podían llevarse al rango normal, la estrategia no era óptima y resultaba en picos que variaban según el día.
Lazo Cerrado (MPC): El MPC reguló con éxito los niveles de cortisol tanto para la IS primaria como para la secundaria a través de varias trayectorias de referencia (constante de 10 µg/dL, constante de 15 µg/dL y un perfil sinusoidal que imita la variación diurna).
- Para la IS Primaria, el controlador suprimió eficazmente los niveles elevados de CRH y ACTH mediante retroalimentación negativa mientras seguía las trayectorias de los niveles de cortisol objetivo.
- Para la IS Secundaria, el controlador mantuvo los niveles suprimidos de CRH y ACTH (consistentes con la patología) y rastreó con éxito la trayectoria de referencia del cortisol.
- El MPC demostró la capacidad de adaptarse a los patrones de dosificación cambiantes según las demandas de la referencia, observándose solo un ligero desfase fisiológico entre la referencia y el cortisol administrado.
Gestión de Restricciones: El controlador cumplió con éxito las restricciones impuestas (no negativa, máx. 15 mg/dosis, máx. 30 mg/día) y cuantizó la salida a las dosis clínicamente disponibles (múltiplos de 5 mg).

Significado y Reivindicaciones
El artículo afirma que el asistente virtual propuesto basado en MPC ofrece un método riguroso para abordar las restricciones inherentes a la terapia de reemplazo de cortisol, que las estrategias de dosis fijas no pueden alcanzar. Al integrar un modelo fisiológicamente preciso con un controlador de optimización, el sistema puede generar estrategias de tratamiento que mantengan el cortisol dentro de un rango saludable, minimizando al mismo tiempo los riesgos de sobredosificación o subdosificación. Los autores posicionan este trabajo como un paso hacia la medicina personalizada, donde la toma de decisiones de un médico es apoyada por una herramienta capaz de calcular esquemas de dosificación óptimos y específicos para cada paciente. El estudio concluye que, si bien el modelo actual se valida contra datos existentes, el trabajo futuro se centrará en adaptar los parámetros del modelo a individuos específicos y, potencialmente, en integrar el aprendizaje automático y observadores no lineales avanzados para refinar aún más la precisión predictiva y explorar las interacciones con otros ejes endocrinos, como el eje hipotálamo-pituitario-tiroideo (HPT).

Más como este