Cuando una herida cicatriza, pasa por varias fases: Coagulación para detener la hemorragia, respuesta del sistema inmunitario, formación de costras y cicatrización. Un dispositivo portátil llamado “a-Heal”, desarrollado por ingenieros de la Universidad de California en Santa Cruz, pretende optimizar cada fase del proceso. El sistema utiliza una cámara diminuta y la inteligencia artificial para reconocer la fase de cicatrización y administrar el tratamiento en forma de medicación o campo eléctrico. El sistema responde al proceso de curación individual del paciente y proporciona un tratamiento personalizado. Este dispositivo portátil e inalámbrico podría hacer más accesible la terapia de heridas a pacientes de zonas remotas o con movilidad limitada. Los primeros resultados preclínicos publicados en la revista “npj Biomedical Innovations” muestran que el dispositivo acelera con éxito el proceso de cicatrización.
Desarrollo de a-Heal
Un equipo de investigadores de la UC Santa Cruz y la UC Davis, financiado por el programa DARPA-BETR y dirigido por Marco Rolandi, catedrático de Ingeniería Baskin y profesor de Ingeniería Eléctrica e Informática (ECE) en la UC Santa Cruz, ha desarrollado un dispositivo que combina una cámara, bioelectrónica e IA para acelerar la cicatrización de heridas. La integración en un solo dispositivo lo convierte en un “sistema cerrado” que, según los investigadores, es uno de los primeros de este tipo para la cicatrización de heridas. “Nuestro sistema capta todas las señales del cuerpo y optimiza el proceso de cicatrización con intervenciones externas”, explica Rolandi.
El dispositivo utiliza una cámara integrada, desarrollada por Mircea Teodorescu, también profesor asociado de ECE, y descrita en un estudio en Communications Biology, para tomar fotos de la herida cada dos horas. Las fotos se introducen en un modelo de aprendizaje automático desarrollado por Marcella Gómez, profesora asociada de Matemáticas Aplicadas, que los investigadores describen como un “médico de IA” que se ejecuta en un ordenador cercano. “Básicamente, es un microscopio en una venda”, explica Teodorescu. “Las imágenes individuales nos dicen poco, pero con el tiempo, a través de imágenes continuas, la IA puede reconocer tendencias, detectar fases de cicatrización de heridas, informar de problemas y sugerir tratamientos”. El médico de la IA utiliza la imagen para diagnosticar la fase de la herida y la compara con la fase en la que debería encontrarse según un calendario para la cicatrización óptima de la herida. Si la imagen muestra un retraso, el modelo ML aplica un tratamiento: un fármaco administrado mediante bioelectrónica o un campo eléctrico que puede promover la migración celular hacia el cierre de la herida.
Acelerar la cicatrización
El tratamiento administrado por vía tópica a través del dispositivo es fluoxetina, un inhibidor selectivo de la recaptación de serotonina que regula los niveles de serotonina en la herida y mejora la cicatrización al reducir la inflamación y favorecer el cierre de la herida. La dosis, determinada mediante estudios preclínicos por el grupo Isseroff de UC Davis para optimizar la cicatrización, se administra a través de actuadores bioelectrónicos en el dispositivo desarrollado por Rolandi. El dispositivo también emite un campo eléctrico, optimizado para mejorar la cicatrización y desarrollado por Min Zhao y Roslyn Rivkah Isseroff en la UC Davis.
El médico de la IA determina la dosis óptima de medicación que debe administrarse y la intensidad del campo eléctrico aplicado. Una vez aplicada la terapia durante cierto tiempo, la cámara toma otra imagen y el proceso vuelve a empezar. Durante el uso, el dispositivo transmite imágenes y datos como el índice de curación a una interfaz web segura para que un médico humano pueda intervenir manualmente y ajustar el tratamiento si es necesario. El dispositivo se fija directamente a un vendaje estándar para un uso cómodo y seguro. Para evaluar el potencial de uso clínico, el equipo de la UC Davis probó el dispositivo en modelos preclínicos de heridas. En estos estudios, las heridas tratadas con a-Heal cicatrizaron aproximadamente un 25% más rápido que con el tratamiento estándar. Estos resultados ponen de relieve el potencial de la tecnología no sólo para acelerar la cicatrización de heridas agudas, sino también para reactivar la cicatrización de heridas crónicas.
Modelo de aprendizaje por refuerzo
El modelo de IA utilizado para este sistema, desarrollado bajo la dirección de Marcella Gómez, profesora adjunta de Matemáticas Aplicadas, utiliza un enfoque de aprendizaje por refuerzo, descrito en un estudio de la revista Bioengineering, para imitar el enfoque de diagnóstico de los médicos. El aprendizaje por refuerzo es una técnica en la que un modelo se diseña para cumplir un objetivo final específico y aprende mediante ensayo y error la mejor manera de alcanzarlo. En este contexto, se fija al modelo el objetivo de minimizar el tiempo que transcurre hasta el cierre de la herida y se le recompensa por los progresos realizados hacia la consecución de dicho objetivo. Aprende continuamente del paciente y adapta su enfoque terapéutico.
El modelo de aprendizaje por refuerzo se basa en un algoritmo desarrollado por Gómez y sus estudiantes llamado Deep Mapper. Este algoritmo, que se describe en un estudio preliminar, procesa imágenes de la herida para cuantificar el progreso de la cicatrización en comparación con la normalidad y mapearlo a lo largo de la trayectoria de cicatrización. Durante el tiempo en que el dispositivo se aplica a una herida, aprende un modelo dinámico lineal de la cicatrización hasta la fecha y lo utiliza para predecir la progresión de la cicatrización.
No basta con tener la imagen, también hay que procesarla y contextualizarla. Entonces se puede aplicar un control de retroalimentación”, explica Gómez. Esta técnica permite al algoritmo aprender en tiempo real los efectos del fármaco o del campo eléctrico en la cicatrización, y guía la toma de decisiones iterativa del modelo de aprendizaje por refuerzo sobre cómo ajustar la concentración del fármaco o la intensidad del campo eléctrico. El equipo de investigación está estudiando el potencial de este dispositivo para mejorar la cicatrización de heridas crónicas e infectadas.