Μια νέα καινοτομία στην ιατρική τεχνολογία, η οποία συνδυάζει τεχνητή νοημοσύνη, απεικόνιση και βιοηλεκτρονικά, υπόσχεται να αλλάξει τον τρόπο που θεραπεύονται τα τραύματα. Η συσκευή a-Heal, σχεδιασμένη από μηχανικούς του Πανεπιστημίου της Καλιφόρνια στο Santa Cruz, είναι ένα φορητό επίθεμα που παρακολουθεί συνεχώς τα τραύματα, αναγνωρίζει τα στάδια επούλωσης και παρέχει εξατομικευμένες θεραπείες, όπως φαρμακευτική αγωγή ή ηλεκτρικά πεδία. Προκλινικές δοκιμές δείχνουν ότι επιταχύνει την επούλωση περίπου κατά 25% σε σχέση με τις παραδοσιακές μεθόδους, ανοίγοντας νέους δρόμους για τη θεραπεία χρόνιων πληγών.
Η διαδικασία επούλωσης ενός τραύματος περιλαμβάνει διάφορα στάδια, από την πήξη για τη διακοπή της αιμορραγίας μέχρι την αντίδραση του ανοσοποιητικού, τον σχηματισμό κρούστας και τελικά τη δημιουργία ουλής. Το a-Heal στοχεύει στη βέλτιστη υποστήριξη κάθε σταδίου. Με τη βοήθεια μιας μικρής κάμερας και τεχνητής νοημοσύνης, η συσκευή εντοπίζει το στάδιο επούλωσης και εφαρμόζει την κατάλληλη θεραπεία, προσαρμοσμένη στις ανάγκες του κάθε ασθενούς.
Το σύστημα αποτελείται από μια φορητή, ασύρματη μονάδα που μπορεί να χρησιμοποιηθεί εύκολα σε απομακρυσμένες περιοχές ή από ασθενείς με περιορισμένη κινητικότητα. Οι ερευνητές του UC Santa Cruz και του UC Davis, υπό την καθοδήγηση του Marco Rolandi, δημιούργησαν το a-Heal ως ένα «κλειστό κύκλωμα» παρακολούθησης και θεραπείας, συνδυάζοντας κάμερα, βιοηλεκτρονικά και τεχνητή νοημοσύνη σε μία συσκευή.
Η κάμερα, που ανέπτυξε ο Mircea Teodorescu, λαμβάνει φωτογραφίες του τραύματος κάθε δύο ώρες. Οι εικόνες επεξεργάζονται από ένα μοντέλο μηχανικής μάθησης, τον λεγόμενο «AI physician», που τρέχει σε κοντινό υπολογιστή. Η τεχνητή νοημοσύνη αναλύει την εικόνα, συγκρίνει την πρόοδο της επούλωσης με τα βέλτιστα χρονοδιαγράμματα και, εάν εντοπιστεί καθυστέρηση, εφαρμόζει θεραπεία είτε με φάρμακο είτε με ηλεκτρικό πεδίο.
Το φάρμακο που χρησιμοποιείται είναι η φλουοξετίνη, ένας αναστολέας επαναπρόσληψης σεροτονίνης, ο οποίος μειώνει τη φλεγμονή και ενισχύει την ανάπτυξη του ιστού του τραύματος. Οι δόσεις καθορίζονται βάσει προκλινικών μελετών, ενώ τα βιοηλεκτρονικά εξαρτήματα της συσκευής διασφαλίζουν την ακριβή εφαρμογή. Το ηλεκτρικό πεδίο, επίσης, προάγει την κινητικότητα των κυττάρων προς το κλείσιμο της πληγής.
Καθ’ όλη τη διάρκεια της εφαρμογής, η συσκευή μεταδίδει δεδομένα και εικόνες σε μια ασφαλή διαδικτυακή πλατφόρμα, όπου ο ιατρός μπορεί να παρέμβει και να ρυθμίσει τη θεραπεία αν χρειαστεί. Το a-Heal συνδέεται απευθείας σε ένα διαθέσιμο εμπορικά επίθεμα, διευκολύνοντας τη χρήση και την ασφάλεια.
Η τεχνητή νοημοσύνη χρησιμοποιεί μια προσέγγιση ενισχυτικής μάθησης (reinforcement learning), με στόχο τη μείωση του χρόνου επούλωσης. Το μοντέλο μαθαίνει συνεχώς από τα δεδομένα του τραύματος και προσαρμόζει τη θεραπεία σε πραγματικό χρόνο. Ένα ειδικό αλγοριθμικό εργαλείο, το Deep Mapper, χαρτογραφεί την πορεία επούλωσης και προβλέπει την εξέλιξή της, καθοδηγώντας τις αποφάσεις για την ένταση του ηλεκτρικού πεδίου ή τη δοσολογία του φαρμάκου.
Οι προκλινικές δοκιμές του UC Davis έδειξαν ότι το a-Heal επιταχύνει την επούλωση περίπου κατά 25% σε σχέση με τις συμβατικές μεθόδους. Η συσκευή αναμένεται να έχει ιδιαίτερη σημασία για τη θεραπεία χρόνιων και μολυσμένων τραυμάτων, όπου η διαδικασία επούλωσης έχει σταματήσει ή καθυστερεί σημαντικά.
[via]
