Pendant qu’une plaie guérit, elle passe par plusieurs phases : Coagulation pour arrêter le saignement, réaction du système immunitaire, formation d’une croûte et formation d’une cicatrice. Un dispositif portable appelé “a-Heal”, développé par des ingénieurs de l’université de Californie à Santa Cruz, vise à optimiser chaque phase du processus. Le système utilise une minuscule caméra et l’IA pour détecter le stade de guérison et appliquer un traitement sous forme de médicaments ou de champ électrique. Le système réagit au processus de guérison individuel du patient et offre un traitement personnalisé. Ce dispositif portable et sans fil pourrait rendre le traitement des plaies plus accessible aux patients vivant dans des zones isolées ou à mobilité réduite. Les premiers résultats précliniques, publiés dans la revue spécialisée “npj Biomedical Innovations”, montrent que l’appareil accélère avec succès le processus de guérison.
Développement de a-Heal
Une équipe de chercheurs de l’UC Santa Cruz et de l’UC Davis, financée par le programme DARPA-BETR et dirigée par Marco Rolandi, Baskin Engineering Endowed Chair et professeur de génie électrique et informatique (ECE) à l’UC Santa Cruz, a mis au point un dispositif combinant une caméra, la bioélectronique et l’IA pour accélérer la cicatrisation des plaies. L’intégration dans un seul appareil en fait un “système fermé” – à la connaissance des chercheurs, l’un des premiers du genre pour la cicatrisation des plaies. “Notre système capte tous les signaux du corps et optimise le processus de guérison grâce à des interventions externes”, a déclaré Rolandi.
Le dispositif utilise un appareil photo intégré, développé par Mircea Teodorescu, également professeur associé à l’ECE, et décrit dans une étude publiée dans Communications Biology, pour prendre des photos de la plaie toutes les deux heures. Les photos sont introduites dans un modèle d’apprentissage automatique (ML) développé par Marcella Gomez, professeur agrégé de mathématiques appliquées, que les chercheurs appellent un “médecin IA” fonctionnant sur un ordinateur à proximité. “En fait, il s’agit d’un microscope dans un pansement”, explique Teodorescu. “Les images individuelles ne disent pas grand-chose, mais au fil du temps, l’imagerie continue permet à l’IA d’identifier des tendances, de déterminer les stades de cicatrisation, de signaler des problèmes et de suggérer des traitements”. Le médecin IA utilise l’image pour diagnostiquer le stade de la plaie et la compare au stade auquel la plaie devrait se trouver selon un calendrier pour une cicatrisation optimale. Si l’image montre un retard, le modèle ML applique un traitement : soit un médicament administré par bioélectronique, soit un champ électrique qui peut favoriser la migration des cellules vers la fermeture de la plaie.
Accélération de la cicatrisation
Le traitement administré par voie topique via le dispositif est la fluoxétine, un inhibiteur sélectif de la recapture de la sérotonine qui régule le taux de sérotonine dans la plaie et améliore la guérison en réduisant l’inflammation et en favorisant la fermeture de la plaie. La dose, déterminée par des études précliniques menées par le groupe Isseroff à l’UC Davis pour optimiser la guérison, est administrée par des actionneurs bioélectroniques sur l’appareil développé par Rolandi. Un champ électrique, optimisé pour améliorer la guérison et développé par des travaux antérieurs de Min Zhao et Roslyn Rivkah Isseroff de l’UC Davis, est également délivré via l’appareil.
Le médecin de l’IA détermine le dosage optimal des médicaments à administrer et l’intensité du champ électrique appliqué. Une fois que la thérapie a été appliquée pendant une période donnée, la caméra prend une autre photo et le processus recommence. Pendant l’utilisation, l’appareil transmet des images et des données telles que le taux de guérison à une interface web sécurisée, ce qui permet à un médecin humain d’intervenir manuellement et d’affiner le traitement si nécessaire. L’appareil se fixe directement sur un pansement standard pour garantir une utilisation pratique et sûre. Afin d’évaluer le potentiel d’utilisation clinique, l’équipe de UC Davis a testé le dispositif dans des modèles de plaies précliniques. Dans ces études, les plaies traitées avec a-Heal ont guéri environ 25% plus rapidement qu’avec le traitement standard. Ces résultats soulignent le potentiel de la technologie non seulement pour accélérer la cicatrisation des plaies aiguës, mais aussi pour relancer la guérison des plaies chroniques.
Modèle d’apprentissage par renforcement
Le modèle d’IA utilisé pour ce système, développé sous la direction de Marcella Gomez, professeure assistante de mathématiques appliquées, utilise une approche d’apprentissage par renforcement, décrite dans une étude publiée dans la revue Bioengineering, pour imiter l’approche diagnostique des médecins. L’apprentissage par renforcement est une technique dans laquelle un modèle est conçu pour répondre à un objectif final spécifique et apprend, par essais et erreurs, la meilleure façon d’atteindre cet objectif. Dans ce contexte, l’objectif du modèle est de minimiser le temps nécessaire à la fermeture de la plaie et il est récompensé pour les progrès réalisés dans la réalisation de cet objectif. Il apprend continuellement du patient et adapte son approche thérapeutique.
Le modèle d’apprentissage par renforcement est contrôlé par un algorithme que Gomez et ses étudiants ont développé et qui s’appelle Deep Mapper. Cet algorithme, décrit dans une étude préliminaire, traite les images de la plaie pour quantifier la progression de la guérison par rapport à l’évolution normale et la cartographier tout au long du processus de guérison. Au fur et à mesure que le dispositif est appliqué sur une plaie, il apprend un modèle dynamique linéaire de la cicatrisation passée et l’utilise pour prédire la suite du processus de cicatrisation.
Il ne suffit pas d’avoir l’image, il faut aussi la traiter et la mettre en contexte. On peut alors utiliser le contrôle par rétroaction”, a déclaré Gomez. Cette technique permet à l’algorithme d’apprendre en temps réel les effets du médicament ou du champ électrique sur la guérison, et guide la prise de décision itérative du modèle d’apprentissage par la réinfor mation sur la manière d’ajuster la concentration du médicament ou l’intensité du champ électrique. L’équipe de recherche étudie actuellement le potentiel de ce dispositif pour améliorer la guérison des plaies chroniques et infectées.