Cura de curativos inteligentes movidos a IA, feridas 25% mais rápido

Um dispositivo vestível chamado “A-Heal”, projetado por engenheiros da Universidade da Califórnia, Santa Cruz, pretende otimizar cada estágio do processo. O sistema usa uma câmera minúscula e a IA para detectar o estágio de cura e fornecer um tratamento na forma de medicamento ou em um campo elétrico. O sistema responde ao processo de cicatrização exclusivo do paciente, oferecendo tratamento personalizado.

O dispositivo portátil e sem fio pode tornar a terapia de feridas mais acessível a pacientes em áreas remotas ou com mobilidade limitada. Resultados pré -clínicos iniciais, publicados na revista NPJ Innovações BiomédicasMostre o dispositivo acelera com sucesso o processo de cicatrização.

Projetando a curva

Uma equipe de pesquisadores da UC Santa Cruz e da UC Davis, patrocinada pelo programa DARPA-BETR e liderada pela cadeira dotada de engenharia da UC Santa Cruz Baskin e professora de engenharia elétrica e de computadores (ECE) Marco Rolandi, projetou um dispositivo que combina uma câmera, bioeletrônica e AI para uma cura mais rápida. A integração em um dispositivo o torna um “sistema de circuito fechado”-um dos primeiros do gênero para a cicatrização de feridas no que diz respeito aos pesquisadores.

“Nosso sistema pega todas as dicas do corpo e, com intervenções externas, otimiza o progresso da cura”, disse Rolandi.

O dispositivo usa uma câmera a bordo, desenvolvida pelo colega professor associado de Ecea Mircea Teodorescu e descrito em um estudo de biologia de comunicação, para tirar fotos da ferida a cada duas horas. As fotos são alimentadas em um modelo de aprendizado de máquina (ML), desenvolvido pelo professor associado de matemática aplicada Marcella Gomez, que os pesquisadores chamam de “médico da IA” em um computador próximo.

“É essencialmente um microscópio em um curativo”, disse Teodorescu. “As imagens individuais dizem pouco, mas com o tempo, a imagem contínua permite que as tendências de IA spotem, estágios de cicatrização de feridas, problemas de bandeira e sugestões de tratamentos”.

O médico da IA ​​usa a imagem para diagnosticar o estágio da ferida e compara isso a onde a ferida deve estar ao longo de uma linha do tempo da cicatrização ideal de feridas. Se a imagem revelar um atraso, o modelo ML aplica um tratamento: qualquer um dos medicamentos, entregue via bioeletrônica; ou um campo elétrico, que pode melhorar a migração celular para o fechamento da ferida.

O tratamento entregue topicamente através do dispositivo é a fluoxetina, um inibidor seletivo da recaptação de serotonina que controla os níveis de serotonina na ferida e melhora a cicatrização diminuindo a inflamação e aumentando o fechamento dos tecidos da ferida. A dose, determinada por estudos pré -clínicos do grupo Isseroff do grupo UC Davis para otimizar a cura, é administrada por atuadores bioeletrônicos no dispositivo, desenvolvido por Rolandi. Um campo elétrico, otimizado para melhorar a cura e desenvolvido por trabalhos anteriores do Min Zhao da UC Davis e Roslyn Rivkah Isseroff, também é entregue através do dispositivo.

O médico da IA ​​determina a dose ideal de medicamentos para entregar e a magnitude do campo elétrico aplicado. Após a terapia ter sido aplicada por um certo período de tempo, a câmera tira outra imagem e o processo começa novamente.

Enquanto estiver em uso, o dispositivo transmite imagens e dados como a taxa de cicatrização para uma interface da Web segura, para que um médico humano possa intervir manualmente e ajustar o tratamento, conforme necessário. O dispositivo se conecta diretamente a um curativo disponível comercialmente para uso conveniente e seguro.

Para avaliar o potencial de uso clínico, a equipe da UC Davis testou o dispositivo em modelos de feridas pré -clínicas. Nesses estudos, as feridas tratadas com A-Heal seguiram uma trajetória de cura cerca de 25% mais rápida que o padrão de atendimento. Essas descobertas destacam a promessa da tecnologia não apenas para acelerar o fechamento de feridas agudas, mas também para a cura parada de partida em feridas crônicas.

Você tem reforço

O modelo de IA usado para esse sistema, liderado pelo professor assistente de matemática aplicada Marcella Gomez, usa uma abordagem de aprendizado de reforço, descrita em um estudo na revista bioengenharia, para imitar a abordagem diagnóstica usada pelos médicos.

A aprendizagem de reforço é uma técnica na qual um modelo foi projetado para cumprir uma meta final específica, aprendendo por meio de tentativa e erro como alcançar melhor esse objetivo. Nesse contexto, o modelo recebe um objetivo de minimizar o tempo para o fechamento de feridas e é recompensado por progredir em direção a esse objetivo. Aprende continuamente com o paciente e adapta sua abordagem de tratamento.

O modelo de aprendizado de reforço é guiado por um algoritmo que Gomez e seus alunos criaram chamado Deep Mapper, descrito em um estudo de pré -impressão, que processa imagens de feridas para quantificar o estágio de cura em comparação com a progressão normal, mapeando -a ao longo da trajetória da cura. À medida que o tempo passa com o dispositivo em uma ferida, ele aprende um modelo dinâmico linear da cura passada e usa isso para prever como a cura continuará a progredir.

“Não basta ter a imagem, você precisa processar isso e colocá -la em contexto. Então, você pode aplicar o controle de feedback”, disse Gomez.

Essa técnica possibilita que o algoritmo aprenda em tempo real o impacto do medicamento ou campo elétrico na cura e orienta a tomada de decisão iterativa do modelo de aprendizado de reforço sobre como ajustar a concentração de medicamentos ou a força do campo elétrico.

Agora, a equipe de pesquisa está explorando o potencial deste dispositivo para melhorar a cicatrização de feridas crônicas e infectadas.

Publicações adicionais relacionadas a este trabalho podem ser encontradas vinculadas aqui.

Esta pesquisa foi apoiada pela Agência de Projetos de Pesquisa Avançada de Defesa e pela Agência de Projetos de Pesquisa Avançada de Saúde.