La modelización matemática del sistema glucosa-insulina forma el núcleo de los simuladores en el campo del metabolismo de la glucosa. La complejidad de los sistemas biológicos humanos hace que sea una tarea desafiante para los modelos fisiológicos abarcar la totalidad de dichos sistemas. Aunque los simuladores modernos de diabetes realizan una tarea respetable al simular la acción glucosa-insulina, no pueden estimar varios fenómenos que afectan el perfil glucémico de un individuo, como las alteraciones glucémicas y el comportamiento del paciente. Este trabajo de investigación presenta una solución potencial a este problema al proponer un método para la generación de valores de glucosa en sangre condicionados a una aproximación de insulina plasmática de pacientes con diabetes tipo 1 utilizando una red generativa adversarial píxel a píxel. Se utilizan dos cohortes de diabetes tipo 1 que comprenden 29 y 6 pacientes, respectivamente, para entrenar el modelo generativo. Este estudio muestra que los valores generados de glucosa en sangre son estadísticamente similares a los valores reales de glucosa en sangre, imitando los resultados de tiempo en rango para cada uno de los rangos estándar de glucosa en sangre en el manejo de la diabetes tipo 1 y obteniendo resultados de medias y variabilidad similares. Además, la relación causal entre los valores de insulina plasmática y la glucosa en sangre generada se ajusta a la misma relación observada en pacientes reales. Estos resultados anuncian la idoneidad de los modelos generativos profundos para la generación de pacientes virtuales con diabetes.