sistemas dinámicos

El control predictivo en la salud

INTEC/UNL/CONICET – CONICET SANTA FE -EL LITORAL

El Dr. Alejandro H. González* es investigador del Conicet en el Intec/UNL/Conicet de Santa Fe, y su disciplina científica es el control avanzado de sistemas dinámicos. En esta entrevista, indica las aplicaciones que podrían tener esas investigaciones, sobre todo en el campo de la salud.

_¿Por qué se lo denomina “control predictivo”?

_Porque emula la forma anticipativa que tenemos los humanos de modificar nuestro entorno. Su tema de investigación consiste en el estudio de planes de acción -basados en herramientas matemáticas- para modificar en lo posible el comportamiento de sistemas dinámicos que representan casi cualquier cosa que varía en el tiempo. Así, primero se modela/representa aquello que se desea modificar; luego se predicen, en base a ese modelo/representación, los posibles comportamientos futuros y, de acuerdo a esa predicción, se decide qué conviene hacer.

_¿En qué proceso biotecnológico focaliza su trabajo?

_En el de la administración de insulina para pacientes diabéticos tipo I. En un cuerpo sano, el órgano que controla el nivel de glucosa en sangre -mediante el suministro de insulina- es el páncreas, glándula que en los diabéticos no funciona bien. De allí que el “problema de control” en diabetes sea el de reemplazar el páncreas mediante un páncreas artificial, que es un dispositivo externo que el paciente lleva conectado en forma permanente (subcutáneo, no invasivo) y que decide en forma automática cuánta insulina inyectar y en qué momento hacerlo.

_¿Qué problemas intenta solucionar el control predictivo?

_Los referentes a la propia administración de insulina, que son numerosos, dado que se debe cuidar que tanto los niveles de glucemia como de insulinemia (insulina en sangre) no salgan de ciertas zonas seguras. Y para ello se debe conocer la dinámica del sistema insulina-glucosa propia del cuerpo, algo que el paciente no sabe (ni puede saber). Por ejemplo, un paciente puede inyectarse cantidades insuficientes de insulina por temor infundado a repetir episodios de hipoglucemia (deficiencia extrema de glucemia), o bien puede excederse, al no ver resultados rápidos en su cuerpo. La ventaja de utilizar el “control predictivo” reside en que, mediante un modelo apropiado de la dinámica del cuerpo, el páncreas artificial puede tomar acciones de control (inyecciones de insulina) anticipadas.

_¿Cómo es la relación con el grupo de Nantes?

_Es incipiente pero promisoria. El equipo del Prof. Claude Moog goza de la gran ventaja de tener un estrecho vínculo con médicos especialistas en diabetes, y de contar con datos de pacientes hospitalizados. Así, mientras Francia se dedica más a los modelos, nosotros nos abocamos a los pormenores matemáticos de las estrategias de control predictivas. Meses atrás, ambos grupos solicitamos un proyecto conjunto franco-argentino para enmarcar esta colaboración.

_Hoy, ¿cuáles son los resultados?

_Ya se cuenta con un modelo aceptado por los médicos franceses, y además, el grupo de científicos locales (Santiago Rivadeneira, Antonio Ferramosca y yo) ha tenido buenos resultados teóricos utilizando esquemas impulsivos que “controlan los niveles de glucemia” solo mediante inyecciones esporádicas de insulina (impulsos). Esto último evita una inyección continua, sostenida en el tiempo, que es lo que hacían hasta ahora las técnicas predictivas, acarreando efectos colaterales.

(*) Santafesino, es docente en la UNL. Por el Lic. Enrique A. Rabe (ÁCS/Conicet Santa Fe).

Fuente EL LITORAL

Extending Theory for Social Evolution

 Cooperación y conflicto como atractores de la evolución humana.

by John Pepper
Aug. 20, 2015
Because natural selection is driven by competition, cooperation and altruism were the issues that most troubled Darwin, and the evolutionary theorists who have followed him. Recent studies of conflict within genomes also require upgrades on classical theory.
Much of the cooperation and conflict in nature concerns resource allocation. Here we consolidate existing theory for the evolution of resource transfers of fixed amount between individuals. We also extend inclusive fitness theory to address cooperation and conflict among any evolving actors that share control over a resource pool, and that influence how resources are allocated. This allows better prediction of evolutionary dynamics, and extends theory to include the evolution of actors that are neither donor nor recipient, greatly expanding its scope. We show that under adaptive evolution, conflict is an evolutionary attractor even between initially cooperating actors, and that adaptations for both cooperation and conflict are likely to evolve in the same context, with conflict likely to follow cooperation on an evolutionary time scale. Our framework encompasses cooperation and conflict both among organisms, and also among reproducing sub-units and genetic elements. It is therefore applicable to intra-genomic interactions and evolutionary transitions in individuality.

Mil robots coordinados

“Formad una estrella de cinco puntas” es toda la información que un inmenso enjambre de pequeños robots recibe del informático. Al punto, comienzan a guiñarse unos a otros y al cabo de unos pocos segundos ya han formado una estrella casi perfecta. “Ahora, formad la letra k”, y así lo hacen, en referencia a la primera letra de kilobots, un neologismo que designa la magnitud de 1.024 robots, y que acaba de marcar un hito en inteligencia artificial colectiva. Esta ciencia se sirve de múltiples robots sencillos para realizar, con peculiares coreografías, tareas complejas.

 

Read More

Estudios dinámicos sobre las espectativas de producción de gas en EEUU

Este estudio presenta distintas tendencias en las espectativas. La más desfavorable establece un declive a partir de 2020 de la producción de gas en EEUU.

Fuente: Nature

http://www.nature.com/news/natural-gas-the-fracking-fallacy-1.16430

Modelos matemáticos una herramienta para analizar la realidad

Los modelos matemáticos permiten entender sistemas, como pueden ser un fenómeno social o natural, por ejemplo, los cuales responden a una pregunta específica y pueden brindar información cuantitativa o responder a preguntas cualitativas de interés teórico.Sistemas dinámicos

En este sentido, el trabajo de un matemático en la construcción de un modelo consiste en delimitar el sistema (lo que se quiere modelar) e identificar los elementos representativos, esto de acuerdo con las preguntas que se quieren responder y que generalmente son extra-matemáticas porque las pueden plantear ya sea un ingeniero, un científico natural o un científico social. Read More

Premio matemáticas estudio sistemas dinámicos

Este año, a principios de agosto, fue otorgada la medalla a cuatro matemáticos, entre quienes hay un brasilero (sistemas dinámicos y teoría espectral) y una mujer, siendo la primera vez que son premiados un latinoamericano y una matemática, en este caso de nacionalidad iraní. Read More

SISTEMAS DINÁMICOS NO-LINEALES

Los sistemas dinámicos son aquellos que cambian con el tiempo, los cuales pueden ser explicados por medio de ecuaciones dinámicas y estructuras matemáticas; o bien, pueden ser representados como trayectorias de espacios de fases caracterizados por su capacidad de percibir la evolución del sistema en el tiempo. La teoría del caos, forma parte del estudio general de los modelos dinámicos, interesada fundamentalmente en el comportamiento de sistemas no lineales o de los sistemas disipatívos, los cuales exhiben atractores, y sensibilidad a las condiciones iniciales (Smith, 1998). Donde, los atractores son oscilaciones dinámicas que eventualmente se encuentran en equilibrio (Vandermeer, 1981).Atractor Henon

Read More

Sistemas dinámicos en el premio “nobel” de las matemáticas

El ruso Yakov G. Sinai ha sido distinguido hoy con el premio Abel, considerado el “Nobel” de las matemáticas, por “sus contribuciones fundamentales a los sistemas dinámicos, la teoría ergódica y la física matemática”.

Yakov Sinai-Premio Abel

“Sinai es una figura capital en el desarrollo de la comprensión del caos y la turbulencia en sistemas dinámicos”, señala Daniel Peralta, investigador del ICMAT.  El Comité del premio destaca el amplio y profundo impacto de las obras de Sinai en matemáticas y física, y en la interacción de estos dos campos.

Read More

Book: Business Dynamics

Accelerating economic, technological, social, and environmental change challenge managers and policy makers to learn at increasing rates, while at the same time the complexity of the systems in which we live is growing. Many of the problems we now face arise as unanticipated side effects of our own past actions. All too often the policies we implement to solve important problems fail, make the problem worse, or create new problems.

Read More

Investigan sistemas complejos neuronales

Investigadores de la Universidad de Sevilla aplican las matemáticas a la neurociencia

 

Miembros del grupo Investigación en Sistemas Dinámicos en Ingeniería de la Universidad de Sevilla han publicado recientemente un artículo científico sobre la Teoría de Melnikov aplicada a sistemas híbridos planos y que les ha otorgado el reconocimiento de la comunidad científica internacional además de abrir nuevos vías de investigación en el campo de la medicina.

En concreto, el profesor Jonathan E. Rubin, perteneciente al Departamento de Matemáticas de la Universidad de Pittsburgh (Pensilvania, EEUU) junto a otro grupo de profesores, se ha interesado por la aplicación de los sistemas dinámicos lineales a trozos e híbridos en el estudio de los mecanismos neuronales en la locomoción. Read More

Redes neuronales complejas

Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida. Esta salida viene dada por tres funciones:

  1. Una función de propagación (también conocida como función de excitación), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria.
  2. Una función de activación, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación.
  3. Una función de transferencia, que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la función sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente hiperbólica (para obtener valores en el intervalo [-1,1]).

Con un paradigma convencional de programación en ingeniería del software, el objetivo del programador es modelar matemáticamente (con distintos grados de formalismo) el problema en cuestión y posteriormente formular una solución (programa) mediante un algoritmo codificado que tenga una serie de propiedades que permitan resolver dicho problema. En contraposición, la aproximación basada en las RNA parte de un conjunto de datos de entrada suficientemente significativo y el objetivo es conseguir que la red aprenda automáticamente las propiedades deseadas. En este sentido, el diseño de la red tiene menos que ver con cuestiones como los flujos de datos y la detección de condiciones, y más que ver con cuestiones tales como la selección del modelo de red, la de las variables a incorporar y el preprocesamiento de la información que formará el conjunto de entrenamiento. Asimismo, el proceso por el que los parámetros de la red se adecuan a la resolución de cada problema no se denomina genéricamente programación sino que se suele denominar entrenamiento neuronal.

Por ejemplo en una red que se va a aplicar al diagnóstico de imágenes médicas; durante la fase de entrenamiento el sistema recibe imágenes de tejidos que se sabe son cancerígenos y tejidos que se sabe son sanos, así como las respectivas clasificaciones de dichas imágenes. Si el entrenamiento es el adecuado, una vez concluido, el sistema podrá recibir imágenes de tejidos no clasificados y obtener su clasificación sano/no sano con un buen grado de seguridad. Las variables de entrada pueden ser desde los puntos individuales de cada imagen hasta un vector de características de las mismas que se puedan incorporar al sistema (por ejemplo, procedencia anatómica del tejido de la imagen o la edad del paciente al que se le extrajo la muestra).

Sistemas dinámicos lineales a trozos

Miembros del grupo Investigación en Sistemas Dinámicos en Ingeniería de la Universidad de Sevilla han publicado recientemente un artículo científico sobre la Teoría de Melnikov aplicada a sistemas híbridos planos que les ha otorgado el reconocimiento de la comunidad científica internacional además de abrir nuevos vías de investigación en el campo de la medicina. En concreto, el profesor Jonathan E Rubin, perteneciente al Departamento de Matemáticas de la Universidad de Pittsburgh (Pensilvania, EEUU) junto a otro grupo de profesores, se ha interesado por la aplicación de los sistemas dinámicos lineales a trozos e híbridos en el estudio de los mecanismos neuronales en la locomoción.

“Estos profesores estudian modelos que permiten describir la dinámica del sistema neuronal que controla la locomoción como sistemas dinámicos híbridos. Por este motivo, están interesados en nuestras últimas investigaciones al respecto y desean aplicar nuestros avances al estudio de este apartado de la neurociencia. Algunos de ellos también trabajan en el estudio de enfermedades neurodegenerativas como el Parkinson y, quién sabe, puede que en un futuro los éxitos en los sistemas lineales a trozos e híbridos puedan ayudar a entender mejor este tipo de enfermedades y conseguir así mejores terapias”, informa el responsable de esta investigación, el profesor de la Escuela Politécnica Superior Victoriano Carmona Centeno. Read More

Sistemas dinámicos

Describimos un enfoque para interpretar la realidad. Muy posiblemente no existe la que podríamos llamar “forma correcta” o “la mejor manera” de observar la realidad, puesto que es imposible señalar a una sola dirección como la mejor o la más correcta. Este enfoque tiene varios nombres, usaremos aquí el de “dinámica de sistemas” conscientes de que la palabra “sistemas” tiene diversos significados.

Filosofía de la dinámica de sistemaslorenz1

Es una manera de pensar, de cómo las cosas cambian a través del tiempo; muchos problemas y sus soluciones involucran cambios. En física, un péndulo oscila a los cambios en la posición y en su velocidad; una nave espacial acelera en respuesta a la propulsión a chorro y a la gravedad. En el medio ambiente, la polución cambia la luz solar que llega a la tierra, produciendo un cambio en el clima y la temperatura; la población crece y entonces crece la demanda de abastecimiento de agua y recursos; la sobre pesca conduce a la destrucción de los peces y colapsa la industria pesquera.

Cuando uno entiende la naturaleza básica de cómo las cosas cambian, este conocimiento es transferible a otros campos. Es entonces que los sistemas dinámicos nos entregan la movilidad entre estos campos, puesto que participan estructuras subyacentes comunes y tienen comportamientos asociados o análogos.

La dinámica de Sistemas es más que un conjunto de herramientas, puesto que entrega una filosofía y un modo de mirar el mundo para entender como el pasado nos conduce al presente y como las acciones del presente controlan el futuro, y se construye sobre la base y la experiencia de la gente, compensando la persistente costumbre de tomar decisiones basadas en modelos mentales, al considerar como interactúan las partes para constituir el todo en su evolución dinámica a través del tiempo. Los sistemas dinámicos entregan un armazón, una estructura, en la cual se puede ubicar detalladamente el conocimiento.

Y de esta forma este conocimiento es más significativo, y más recordado, si se puede interrelacionar dentro de una estructura que nos dé un significado de la vida real y para la vida real. Ejemplos de sistemas dinámicos son: Sistema Económico, Sistema Solar, Sistema de Comunicación, Sistema Fluvial, y en el cuerpo humano tenemos: el sistema óseo,
circulatorio, nervioso, etc.

Summer Solstice 2013: Discrete Models Of Complex Systems

Complex systems are pervasive in many fields of science and we encounter them everyday and everywhere in our life. Their examples include financial markets, highway transportation networks, telecommunication networks, human economies, social networks, immunological systems, living organisms, ant colonies, ect. The key feature of a complex system is that it is composed of large number of interconnected and interacting entities exhibiting much richer dynamical properties on global scale than they could be inferred from the properties and behaviors of its individual entities. Complex systems are studied in many areas of natural sciences, social sciences, engineering and mathematical sciences. An important part of these interdisciplinary studies forms discrete modeling. These models can be seen as the simplest laboratories to study phenomena exhibited by complex systems like self-organization processes, pattern formation, cooperation, adaptation, competition, attractors, or multi-scaling phenomena. The objective of this conference is to bring together researchers working on discrete modeling of complex systems and to provide a forum for exchange of ideas and presentation of results of their research.

La célula como sistema dinámico

La célula puede entenderse como un sistema dinámico, ya que la capacidad de una célula de cambiar en el espacio y en el tiempo es crucial para la supervivencia y para la reproducción.

De hecho las características dinámicas de una célula están implícitas en la topología de las redes de la proteína que son la base de la fisiología de la célula.

Estas redes de proteínas interactivas son intrínsecamente dinámicas: describen cómo una célula cambia en el espacio y en el tiempo para responder a los estímulos, para crecer y para reproducirse. La teoría de sistemas dinámicos, y en particular la teoría de bifurcaciones es la herramienta perfecta para este problema, ya que nos dice cómo las características genéricas de un sistema dinámico dependen de la variación de un parámetro.

Miguel A. F. Sanjuán

Sistemas dinámicos en el fútbol

 

APLICANDO LA TEORÍA DE LOS SISTEMAS DINÁMICOS ¡Al fútbol!
El fútbol es complejo , requiere de una organización entre los jugadores de un mismo equipo , que colaboran, tratándose de superar al rival que se opone a estos primeros. Dentro de esta complejidad, se establece un esquema basado en un parámetro de orden ( patrón colectivo) y un parámetro de control ( el indicador objetivo que podemos buscar y que modificará nuestro comportamiento para la posterior toma de decisiones. Os dejamos un ejemplo de aplicación de esta teoría más cercana a una situación real:

dinamico futbol

 

Fuente: futbolglobalizado.blogspot.com

Contact Us