Integrated system architecture for internet of things model-driven design with applications in medicine

Resumen

A lo largo de los últimos años hemos visto una gran evolución de las las infraestructuras de procesamiento, almacenamiento y comunicación. Cada día más dispositivos se conectan a la red, y la generación de datos a nivel mundial está creciendo exponencialmente. En este contexto, el Internet de las cosas promete ser la nueva revolución tecnológica, difuminando la barrera entre el mundo físico y el digital. Las ciudades inteligentes están emergiendo, creando nuevas formas de transporte y optimizando sus infraestructuras. En el ámbito médico vemos cómo el desarrollo de sistemas de monitorización y plataformas de apoyo a la toma de decisiones están provocando una transición desde el clásico sistema de diagnóstico y tratamiento post-facto hacia un marco proactivo de prevención y pronóstico más centrado en la potenciación y personalización de la salud que en el tratamiento de la enfermedad. Este contexto está favoreciendo el desarrollo de sistemas cada vez más complejos, con un gran número de componentes heterogéneos interactuando entre sí. Para abordar esta complejidad la industria ha ido incorporando diferentes técnicas de modelado y simulación que facilitan su diseño, verificación y validación. Entre estas técnicas se encuentran los formalismos de modelado y simulación, que proporcionan un marco de trabajo con un fuerte respaldo teórico y favorecen el desarrollo de sistemas robustos y escalables. Esta tesis se orienta al desarrollo y estudio de modelos y escenarios de monitorización y predicción dentro del ámbito de la salud, haciendo uso del formalismo de simulación DEVS. Durante el desarrollo de la tesis se han realizado numerosas contribuciones en esta línea, desde tres niveles distintos de abstracción. En el de más bajo nivel, se ha contribuido al desarrollo de simuladores y herramientas de modelado con eventos discretos, realizando varias contribuciones al entorno de modelado y simulación xDEVS, proponiendo implementaciones alternativas para reducir la carga introducida por los simuladores DEVS, y proponiendo métricas para el análisis y comparación de estos simuladores. Desde el punto de vista del modelado de sistemas de salud, hemos desarrollado varias propuestas orientadas a la predicción y estimación de distintos eventos o sucesos clave para distintas enfermedades. Hemos estudiado cómo DEVS puede servir de vehículo para el desarrollo basado en modelos de implementaciones hardware, ejemplificándolo mediante la implementación de un dispositivo de monitorización de sanitaria para la predicción de migrañas. Por otra parte, hemos desarrollado un framework basado en una metodología modular que permite automatizar la creación de bases de conocimiento y simplificar la producción de modelos predictivos mediante especificaciones en XML. Además, hemos trabajado en la implementación de modelos epidemiológicos que nos permiten analizar y comprender cómo afectan distintos tipos de medidas y escenarios en la propagación de distintas epidemias. Finalmente, nos planteamos cómo este tipo de modelos pueden ser usados de forma segura y escalable en entornos del Internet de las cosas. En este sentido, hemos contribuido a la mejora y extensión de SFIDE, un simulador para el estudio de estrategias de distribución de trabajos computacionales en centros de datos, y hemos realizado un estudio de optimización que analiza cómo influye la localización de los centros de datos a nivel de consumo energético, usando un contexto urbano de monitorización médica. Con el desarrollo de estas temáticas, y abarcando numerosas herramientas, metodologías y casos de uso, esta tesis proporciona una amplia visión de cómo el modelado y la simulación supone una herramienta fundamental a la hora de desarrollar sistemas complejos, y cómo se pueden aprovechar estas técnicas para la elaboración y despliegue de sistemas de modelado predictivo en el ámbito de la salud.