GlucoPilot
GlucoPilot es una plataforma de salud autoadministrada para diabetes tipo 1, que integra monitores continuos de glucosa (CGM), bombas de insulina, wearables, seguimiento del ciclo menstrual y laboratorio en un solo entorno privado.
Ficha actualizada 23 sept 2026, 3:28 · upstream 23 sept 2026, 3:27 · release v0.1.2
Qué es GlucoPilot
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
GlucoPilot es una plataforma de salud personal diseñada para personas con diabetes tipo 1. Su enfoque principal es la integración de múltiples fuentes de datos —monitores continuos de glucosa (CGM), bombas de insulina, wearables, seguimiento del ciclo menstrual y laboratorio— en un único entorno privado. El núcleo de la plataforma es el 'Companion', una conversación de salud guiada por evidencia que recuerda experiencias personales y patrones a través de múltiples dominios: glucosa, laboratorio, hormonas, sueño, síntomas e medicación.
La plataforma ofrece herramientas de análisis cruzado entre datos (por ejemplo, correlaciones entre glucosa, sueño y actividad), generación de reportes clínicos imprimibles y exportación segura. Todo se ejecuta en una instancia local con base de datos SQLite, lo que garantiza que los datos nunca salgan del dispositivo.
El diseño prioriza la privacidad: no hay telemetría ni comunicación con servidores externos. Los modelos de IA pueden ser locales (TensorBreeze) o conectarse a proveedores remotos mediante un servidor proxy. La arquitectura es modular, permitiendo agregar nuevos sensores o fuentes de datos sin modificar el núcleo del sistema.
GlucoPilot está construido como una aplicación única-tenant: cada instancia corre para un usuario individual, lo que simplifica la gestión y reduce riesgos de seguridad. Se soporta acceso por correo electrónico para clínicos, quienes pueden configurar sus propios permisos de lectura y dejar notas de cuidado en el entorno.
La plataforma incluye herramientas de diagnóstico asistido: revisión de contradicciones entre datos, generación de hipótesis de salud y un sistema de evidencia que vincula observaciones con fuentes externas. Esto permite a los usuarios construir su propia comprensión del cuerpo sin depender de una sola fuente de información.
- Monitorear glucosa en tiempo real mediante el CGM y correlacionarla con patrones de sueño, actividad física y ciclo menstrual para identificar tendencias personalizadas
- Generar reportes clínicos imprimibles que incluyan análisis de laboratorio, medicación, síntomas y un resumen de la semana pasada
- Compartir datos de glucosa con un médico mediante un enlace seguro sin exponer registros completos a terceros
- Detectar patrones recurrentes como picos postprandiales o picos matutinos (dawn phenomenon) para ajustar estrategias de insulina
- Seguimiento del ciclo menstrual inferido automáticamente desde los datos de temperatura nocturna, vinculado con niveles de glucosa e insulina
- Revisión de contradicciones entre medicación, laboratorio y síntomas mediante un sistema de evidencia verificable
- GlucoPilot es completamente local: los datos nunca salen del dispositivo ni se envían a servidores externos. Todo corre en una instancia Docker con base de datos SQLite.
- Soporta múltiples fuentes de datos simultáneamente (CGM, bombas, wearables, laboratorio) mediante un diseño modular y desacoplado.
- El modelo de IA puede ejecutarse localmente sin enviar datos a servidores remotos, garantizando privacidad total.
- No es una herramienta médica certificada ni capaz de diagnosticar condiciones; los resultados son estimaciones basadas en patrones de datos.
- La precisión del análisis depende de la calidad y cantidad de datos disponibles; sin datos suficientes, las correlaciones pueden ser imprecisas.
- El seguimiento del ciclo menstrual se basa en temperatura nocturna inferida, lo que puede no reflejar todos los cambios hormonales.
- No incluye medicación oral (como metformina) ni dispositivos de monitoreo (pump, CGM), solo datos de insulina y glucosa.
- La privacidad depende del usuario: si el servidor es comprometido o se accede sin autorización, los datos pueden ser accesibles.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para ejecutar GlucoPilot localmente, basta con un contenedor Docker. Se recomienda usar la imagen preconfigurada `glucopilot` que incluye todas las dependencias y el script de instalación. Para producción, se puede desplegar en una máquina virtual o servidor dedicado con HTTPS mediante un proxy (Nginx, Traefik). Es importante configurar variables de entorno como APP_SECRET_KEY y APP_PUBLIC_URL antes del arranque. Se recomienda mantener la base de datos SQLite en un volumen persistente para evitar pérdida de datos al reiniciar el contenedor.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.