傷が治癒すると、出血を止めるための凝固、免疫系の反応、かさぶた、瘢痕など、いくつかの段階を経ています。
カリフォルニア大学サンタクルーズ校のエンジニアが設計した「A-Heal」と呼ばれるウェアラブルデバイスは、プロセスの各段階を最適化することを目指しています。システムは、小さなカメラとAIを使用して、治癒の段階を検出し、治療法または電界の形で治療を提供します。システムは、患者のユニークな治癒プロセスに対応し、個別の治療を提供します。
ポータブルでワイヤレスデバイスは、遠隔地の患者や機動性が限られている患者が創傷療法をよりアクセスしやすくする可能性があります。 初期前臨床結果ジャーナルに掲載されています NPJ生物医学的革新デバイスを正常にスピードアップすることを正常に表示します。
A-Healの設計
UC Santa CruzとUC Davisの研究者のチームは、DARPA-BERTプログラムが後援し、UC Santa Cruz Baskin Engineeringの寄付委員長であり、電気およびコンピューターエンジニアリングの教授（ECE）Marco Rolandiの教授であり、カメラ、バイオエレクトロニクス、およびAIを組み合わせたデバイスを設計しました。
1つのデバイスに統合されると、「閉ループシステム」になります。これは、研究者が知っている限り、創傷治癒のための最初のシステムです。
「私たちのシステムは身体からすべての手がかりを取り、外部の介入により、治癒の進行を最適化します」とローランドは言いました。
このデバイスは、ECE Mircea Teodorescuの仲間の准教授によって開発されたオンボードカメラを使用し、 コミュニケーション生物学 勉強2時間ごとに傷の写真を撮る。写真は、Applied Mathematics Marcella Gomezの准教授によって開発された機械学習（ML）モデルに供給されます。
「それは本質的に包帯の顕微鏡です」とテオドレクは言いました。 「個々の画像はほとんど言いませんが、時間が経つにつれて、継続的なイメージングにより、AIはトレンドのトレンド、創傷治癒段階、フラグの問題、および治療を提案することができます。」
AIの医師は、画像を使用して傷の段階を診断し、それをそれを最適な創傷治癒のタイムラインに沿っている場所と比較します。画像が遅れを明らかにした場合、MLモデルは治療を適用します。または、創傷閉鎖に向けて細胞の移動を強化できる電界。
デバイスを介して局所的に送達される治療は、創傷のセロトニンレベルを制御し、炎症を減らし、創傷組織の閉鎖を増加させることにより治癒を改善する選択的セロトニン再取り込み阻害剤であるフルオキセチンです。投与、によって決定されます 前臨床研究 UC Davis GroupのIsseroff Groupが治癒を最適化するために、Rolandiが開発したデバイス上の生体電子アクチュエーターによって管理されます。治癒を改善するために最適化され、UC DavisのMin ZhaoとRoslyn Rivkah Isseroffの以前の研究によって開発された電界もデバイスを介して配信されます。
AIの医師は、供給するための最適な薬物療法の投与量と印加電界の大きさを決定します。治療が一定期間適用された後、カメラは別の画像を取り、プロセスが再び開始されます。
使用中に、デバイスは治癒速度などの画像とデータを安全なWebインターフェイスに送信するため、人間の医師は手動で介入し、必要に応じて治療を微調整できます。このデバイスは、便利で安全な使用のために市販の包帯に直接取り付けられます。
臨床使用の可能性を評価するために、UC Davisチームは、前臨床創傷モデルでデバイスをテストしました。これらの研究では、A-Healで治療された傷は、標準的なケアよりも約25％速い治癒軌道に続きました。これらの発見は、急性創傷の閉鎖を促進するだけでなく、慢性創傷での治癒のジャンプを開始するための技術の約束を強調しています。
補強があります
このシステムに使用されるAIモデルは、応用数学の助教授Marcella Gomezが率いていました。 強化学習アプローチを使用しますジャーナルの研究で説明されています バイオエンジニアリング医師が使用する診断アプローチを模倣する。
強化学習は、モデルが特定の最終目標を達成するように設計されているテクニックであり、試行錯誤を介して学習し、その目標を最大限に活用する方法です。これに関連して、モデルには閉鎖を傷つける時間を最小限に抑えるという目標が与えられており、その目標に向かって進歩したことで報われます。患者から継続的に学習し、その治療アプローチを適応させます。
補強学習モデルは、ゴメスと彼女の生徒がディープマッパーと呼ばれるアルゴリズムによって導かれます。 プレプリント研究創傷画像を処理して、通常の進行と比較して癒しの段階を定量化し、癒しの軌跡に沿ってマッピングします。傷の上でデバイスを使用して時間が経過すると、過去の治癒の線形動的モデルを学習し、それを使用して、治癒がどのように進行し続けるかを予測します。
「単に画像を持っているだけでは十分ではありません。それを処理してコンテキストに入れる必要があります。その後、フィードバックコントロールを適用できます」とゴメスは言いました。
この手法により、アルゴリズムは治癒に対する薬物または電界の影響をリアルタイムで学習することを可能にし、薬物濃度または電気フィールドの強度を調整する方法に関する補強学習モデルの反復的な意思決定を導きます。
現在、研究チームは、このデバイスが慢性および感染した創傷の治癒を改善する可能性を調査しています。
参照： Tebyani M、Keller G、Hee WS、他創傷イメージング用のモジュラー蛍光カメラユニット。 Commun Biol。 2025; 8（1）：1010。 doi： 10.1038/s42003-025-08423-y
1758705758
#AI駆動のスマートデバイスは創傷治癒プロセスを高速化します
2025-09-24 08:59:00