摘要：加州大学圣克鲁兹分校工程师设计的可穿戴设备“a-Heal”旨在优化每个阶段的愈合过程。该系统通过微型摄像头和人工智能识别伤口愈合阶段，并以药物或电场形式实施治疗。它能响应患者独特的愈合进程，提供个性化治疗方案。

国际快递 · 清关 · 代拍

海外古董 · 艺术品 · 名画 · 名表

【FuninUSA.NET综合报道】伤口愈合需经历多个阶段：凝血止血、免疫系统反应、结痂和瘢痕形成。

加州大学圣克鲁兹分校工程师设计的可穿戴设备“a-Heal”旨在优化每个阶段的愈合过程。该系统通过微型摄像头和人工智能识别伤口愈合阶段，并以药物或电场形式实施治疗。它能响应患者独特的愈合进程，提供个性化治疗方案。

这款便携式无线设备有望让偏远地区或行动不便的患者更便捷地接受伤口治疗。发表于npj Biomedical Innovations期刊的初步临床前研究表明，该设备成功加速了伤口愈合进程。

a-Heal的设计

由加州大学圣克鲁兹分校巴斯金工程讲席教授、电气与计算机工程系教授Marco Rolandi领导的团队，在DARPA-BETR计划资助下，融合摄像头、生物电子学与人工智能技术，设计出这款加速伤口愈合的设备。该设备通过一体化集成形成闭环系统，据研究人员所知，此类系统在伤口愈合领域尚属首创。

Rolandi表示：“我们的系统能捕捉人体的所有信号，并通过外部干预优化愈合进程。”

该设备搭载由电气与计算机工程系同事米尔恰·特奥多雷斯库（Mircea Teodorescu）副教授研发的内置摄像头（相关研究发表于《通讯生物学》期刊），每两小时对伤口进行拍照。这些照片被输入由应用数学系副教授玛塞拉·戈麦斯（Marcella Gomez）开发的机器学习模型，研究人员称其为运行在附近计算机上的人工智能医生。

“本质上这是绷带里的显微镜，”特奥多雷斯库解释道，单张图像信息有限，但通过持续成像，人工智能能识别趋势、判断伤口愈合阶段、标记问题并建议治疗方案。

AI医师通过图像诊断伤口阶段，并与最佳愈合时间线进行比对。若发现愈合滞后，机器学习模型将启动治疗方案：或通过生物电子设备输送药物，或施加电场促进细胞向伤口愈合区域迁移。

该设备局部给药的治疗药物为氟西汀，这是一种选择性血清素再摄取抑制剂，能调控伤口内的血清素水平，通过减轻炎症反应并促进伤口组织闭合来加速愈合。剂量由加州大学戴维斯分校Isseroff团队通过临床前研究确定以优化愈合效果，并由Rolandi研发的生物电子执行器在设备上进行给药。该设备同时释放经加州大学戴维斯分校Min Zhao与Roslyn Rivkah Isseroff团队前期研究优化的电场，以增强愈合效果。

人工智能医师将自动确定最佳药物剂量与电场强度。治疗持续一定时间后，设备相机将重新拍摄伤口图像，启动新一轮治疗循环。

设备运行期间会将伤口愈合率等图像数据实时传输至安全网络界面，便于人类医师随时介入并手动调整治疗方案。该装置可直接贴附于市售绷带，确保使用便捷且安全可靠。

为评估临床应用潜力，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。研究显示，经a-Heal处理的伤口愈合速度比标准疗法快约25%。这些发现不仅凸显了该技术加速急性伤口闭合的潜力，更表明其能有效激活慢性伤口停滞的愈合进程。

AI强化学习

该系统采用的AI模型由应用数学助理教授Marcella Gomez领导研发，其强化学习方法（详见《生物工程学》（Bioengineering）期刊研究）旨在模拟医生的诊断流程。

强化学习是一种通过试错学习实现特定目标的技术。在此模型中，其目标被设定为最小化伤口愈合时间，并根据进展程度获得奖励机制。该模型持续从患者数据中学习，动态调整治疗方案。

该强化学习模型由戈麦斯及其学生开发的算法深度映射器引导，该算法在预印本研究中有所描述，它通过处理伤口图像，将愈合阶段与正常进程进行量化对比，并沿愈合轨迹进行映射。随着设备在伤口上持续作用，它会学习过去愈合过程的线性动态模型，并据此预测愈合进程的后续发展。

“仅获取图像是不够的，还需要对图像进行处理并置于特定情境中，这样才能应用反馈控制机制，”戈麦斯解释道。

该技术使算法能够实时学习药物或电场对伤口愈合的影响，并引导强化学习模型通过迭代决策调整药物浓度或电场强度。

目前研究团队正探索该设备在改善慢性伤口及感染性创面愈合方面的应用潜力。

欢迎到FuninUSA.NET论坛讨论

来源：健康私教