Процес відновлення тканин після травм є складним, включаючи стимуляцію регенерації кісток, активацію імунної системи для боротьби із запаленням та загоєння ран. Новий пристрій a-Heal, розроблений дослідниками з Каліфорнійського університету, оптимізує кожен етап цього процесу за допомогою мікрокамери та штучного інтелекту (ШІ).
Пристрій a-Heal відкриває нові можливості для персоналізованої терапії, що поєднує введення медикаментів та електротерапію. Він обіцяє забезпечити ефективне та швидке лікування травм, роблячи його більш доступним, особливо для пацієнтів у віддалених районах або з обмеженою мобільністю. Попередні результати, опубліковані у науковому журналі 'npj Biomedical Innovations', свідчать про прискорення процесу загоєння на 25% порівняно з традиційними методами. Це досягнення відкриває шлях до прискорення загоєння гострих травм та вирішення проблем хронічних ран, таких як діабетичні виразки.
Команда дослідників, очолювана професором електротехніки та комп'ютерних наук Марком Роландом, поєднала методи візуалізації, біоелектрики та ШІ для створення a-Heal. Пристрій оснащений інтегрованою камерою, розробленою професором Мирчеєм Тедореску, яка кожні дві години робить знімки ураженої ділянки. Ці зображення надходять до моделі машинного навчання, відомої як 'AI-лікар', створеної професоркою прикладної математики Марцелою Гомез. 'AI-лікар' функціонує як мікроскоп у формі інтерфейсу, дозволяючи ШІ визначати стадії загоєння, виявляти потенційні проблеми та пропонувати терапевтичні втручання.
Терапія може включати введення препаратів, таких як флуоксетин, що зменшує запалення та покращує загоєння, або застосування електричного поля для прискорення метаболізму клітин. Пристрій передає зображення та дані на захищену цифрову платформу, що дозволяє лікарю відстежувати та коригувати терапію за потреби. Клінічне застосування 'розумного' інтерфейсу ШІ було протестовано на доклінічних моделях травм, де було виявлено прискорення загоєння ран на 25% порівняно зі стандартними терапевтичними процесами. Модель ШІ, що використовується в системі, базується на підході 'навчання з підкріпленням', який імітує діагностичні методи лікарів, навчаючись методом спроб і помилок.
Алгоритм 'DeepMapper', розроблений доктором Гомез та її студентами, обробляє зображення травм для картографування стадії загоєння та відстеження всього процесу. Згодом модель вивчає лінійну динамічну модель, пов'язану з процесом загоєння, яку використовує для прогнозування подальшого розвитку подій. Завдяки цим технологічним інструментам вчені досліджують динаміку системи 'розумного' пристрою для покращення загоєння хронічних ран та опіків. Дослідження, проведені в інших установах, також демонструють потенціал ШІ у персоналізації лікування ран, зокрема, у виявленні ранніх ознак інфекції та оптимізації доставки лікарських засобів.