La diabetes tipo 1 es una enfermedad que afecta a millones de personas en todo el mundo. Los avances recientes en dispositivos integrados han permitido el desarrollo de un páncreas artificial que puede bombear insulina de forma subcutánea para regular automáticamente los niveles de glucosa en sangre en pacientes diabéticos. En este trabajo, se propone un controlador inteligente basado en Lyapunov que utiliza redes neuronales artificiales para su aplicación en sistemas automatizados de administración de insulina. La adopción de una red de funciones de base radial adaptativa dentro del esquema de control permite regular los niveles de glucosa en sangre sin necesidad de un modelo dinámico del sistema. El enfoque propuesto sin modelo no requiere que el paciente informe cuándo va a comer y es capaz de manejar la variabilidad entre pacientes e intra pacientes. Para garantizar condiciones de operación seguras, la estabilidad de la ley de control se aborda rigurosamente a través de un análisis similar a Lyapunov. Se proporciona un análisis in silico utilizando pacientes virtuales para demostrar la efectividad del esquema de control propuesto, mostrando su capacidad para mantener la normoglucemia en pacientes con diabetes tipo 1. Se consideraron tres escenarios diferentes: un estudio de simulación a largo plazo y dos a corto plazo. En los análisis a corto plazo, se simularon 20 pacientes virtuales durante un período de 7 días, con y sin terapia basal previa, mientras que en la simulación a largo plazo, se evaluó a 1 paciente virtual durante 63 días. Los resultados muestran que el enfoque propuesto pudo garantizar un tiempo en el rango superior al 95% para la glucemia objetivo en todos los escenarios estudiados, lo cual está por encima del deseable 70%. Incluso en el análisis a largo plazo, el esquema de control inteligente pudo mantener las métricas de glucosa en sangre dentro de los estándares de atención clínica: glucosa en sangre media de 119.59 mg/dL con desviación estándar de 32.02 mg/dL y coeficiente de variación de 26.78%, todos por debajo de los valores de referencia respectivos.