人工智能驱动的智能绷带可将伤口愈合速度提高25%

加州大学圣克鲁斯分校的工程师设计了一款名为“a-Heal”的可穿戴设备，旨在优化愈合过程的每个阶段。该系统使用一个微型摄像头和人工智能来检测愈合阶段，并以药物或电场的形式提供治疗。该系统响应患者独特的愈合过程，提供个性化治疗。

这款便携式无线设备可以使偏远地区或行动不便的患者更容易获得伤口治疗。发表在《npj Biomedical Innovations》杂志上的初步临床前结果显示，该设备成功加速了愈合过程。

设计a-Heal

由加州大学圣克鲁斯分校和加州大学戴维斯分校的研究人员组成的团队，在DARPA-BETR项目的资助下，由加州大学圣克鲁斯分校巴斯金工程讲席教授兼电气与计算机工程（ECE）教授Marco Rolandi领导，设计出一种集成了摄像头、生物电子学和人工智能的设备，以实现更快的伤口愈合。这种在一个设备中的集成使其成为一个“闭环系统”——据研究人员所知，这是伤口愈合领域的首创之一。

Rolandi表示：“我们的系统从身体获取所有信号，并通过外部干预，优化愈合进程。”

该设备使用板载摄像头（由ECE副教授Mircea Teodorescu开发，并发表在《Communications Biology》研究中）每两小时为伤口拍照。这些照片被输入到一个机器学习（ML）模型中，该模型由应用数学副教授Marcella Gomez开发，研究人员称之为在附近计算机上运行的“AI医生”。

Teodorescu说：“它本质上是一个贴在绷带上的显微镜。单个图像信息有限，但随着时间的推移，连续成像可以让人工智能发现趋势、伤口愈合阶段，标记问题并建议治疗。”

AI医生利用图像诊断伤口阶段，并将其与伤口在最佳愈合时间线上的位置进行比较。如果图像显示愈合延迟，ML模型就会进行治疗：通过生物电子学输送药物；或者施加电场，电场可以增强细胞向伤口闭合处的迁移。

通过设备局部输送的治疗药物是氟西汀，这是一种选择性5-羟色胺再摄取抑制剂，它通过降低炎症和增加伤口组织闭合来控制伤口中的5-羟色胺水平，从而改善愈合。剂量由加州大学戴维斯分校Isseroff小组的临床前研究确定，以优化愈合，通过设备上的生物电子致动器（由Rolandi开发）进行给药。此外，通过设备还施加了通过加州大学戴维斯分校Min Zhao和Roslyn Rivkah Isseroff前期工作优化的电场，以改善愈合。

AI医生确定要输送的最佳药物剂量和施加的电场强度。在治疗施加一段时间后，摄像头会再次成像，过程重新开始。

在使用过程中，该设备将图像和愈合速率等数据传输到一个安全的网络界面，以便人类医生可以进行人工干预并根据需要微调治疗。该设备直接连接到市售的绷带上，使用方便且安全。

为了评估临床使用的潜力，加州大学戴维斯分校团队在临床前伤口模型中测试了该设备。在这些研究中，使用a-Heal治疗的伤口，其愈合轨迹比标准护理快约25%。这些发现不仅凸显了该技术在加速急性伤口闭合方面的潜力，也显示了它在启动停滞的慢性伤口愈合方面的希望。

AI增强

该系统的AI模型由应用数学助理教授Marcella Gomez领导，使用了《Bioengineering》杂志上描述的一种强化学习方法，以模仿医生使用的诊断方法。

强化学习是一种技术，其中模型被设计用于实现特定的最终目标，通过试错学习如何最好地实现该目标。在这种情况下，模型的目标是最小化伤口闭合时间，并因向该目标取得进展而获得奖励。它不断地从患者那里学习并调整其治疗方法。

强化学习模型由Gomez和她的学生创建的一个名为Deep Mapper的算法指导（该算法在预印本研究中有所描述），该算法处理伤口图像，与正常进展相比，量化愈合阶段，并将其映射到愈合轨迹上。随着设备在伤口上停留时间的增加，它会学习过去的愈合的线性动态模型，并利用该模型来预测愈合将如何继续进展。

Gomez说：“仅仅有图像是不够的，你需要处理它并将其置于背景中。然后，你才能应用反馈控制。”

这项技术使得算法能够实时学习药物或电场对愈合的影响，并指导强化学习模型在如何调整药物浓度或电场强度方面的迭代决策。

现在，研究团队正在探索该设备在改善慢性伤口和感染伤口愈合方面的潜力。

其他相关出版物链接如下。

这项研究得到了国防高级研究计划局（Defense Advanced Research Projects Agency）和卫生高级研究计划局（Advanced Research Projects Agency for Health）的支持。

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。