Quando una ferita guarisce, attraversa diverse fasi: la coagulazione per fermare l’emorragia, la reazione del sistema immunitario, la formazione di una crosta e la formazione di una cicatrice. Un dispositivo portatile chiamato “a-Heal”, sviluppato dagli ingegneri dell’Università della California a Santa Cruz, mira a ottimizzare ogni fase del processo. Il sistema utilizza una minuscola telecamera e l’intelligenza artificiale per rilevare lo stadio di guarigione e applicare un trattamento sotto forma di farmaci o di campo elettrico. Il sistema reagisce al processo di guarigione individuale del paziente e offre un trattamento personalizzato. Questo dispositivo portatile e wireless potrebbe rendere il trattamento delle ferite più accessibile ai pazienti che vivono in aree isolate o con mobilità ridotta. I primi risultati preclinici, pubblicati sulla rivista specializzata “npj Biomedical Innovations”, dimostrano che il dispositivo accelera con successo il processo di guarigione.
Sviluppo di a-Heal
Un team di ricercatori della UC Santa Cruz e della UC Davis, finanziato dal programma DARPA-BETR e guidato da Marco Rolandi, Baskin Engineering Endowed Chair e professore di ingegneria elettrica e informatica (ECE) presso la UC Santa Cruz, ha sviluppato un dispositivo che combina una fotocamera, la bioelettronica e l’intelligenza artificiale per accelerare la guarigione delle ferite. L’integrazione in un unico dispositivo lo rende un “sistema chiuso” – secondo le conoscenze dei ricercatori, uno dei primi del suo genere per la guarigione delle ferite. “Il nostro sistema capta tutti i segnali del corpo e ottimizza il processo di guarigione attraverso interventi esterni”, ha dichiarato Rolandi.
Il dispositivo utilizza una fotocamera integrata, sviluppata da Mircea Teodorescu, anch’egli professore associato all’ECE, e descritta in uno studio pubblicato su Communications Biology, per scattare foto della ferita ogni due ore. Le foto vengono inserite in un modello di apprendimento automatico (ML) sviluppato da Marcella Gomez, professore associato di matematica applicata, che i ricercatori chiamano “medico AI” in esecuzione su un computer vicino. “In pratica, è un microscopio in una benda”, spiega Teodorescu. “Le singole immagini non dicono molto, ma nel tempo l’imaging continuo permette all’IA di identificare le tendenze, determinare gli stadi di guarigione, segnalare i problemi e suggerire i trattamenti”. Il medico AI utilizza l’immagine per diagnosticare lo stadio della ferita e lo confronta con lo stadio in cui dovrebbe trovarsi la ferita secondo un calendario per la guarigione ottimale. Se l’immagine mostra un ritardo, il modello ML applica un trattamento: o un farmaco somministrato tramite bioelettronica, o un campo elettrico che può incoraggiare la migrazione delle cellule verso la chiusura della ferita.
Guarigione accelerata
Il trattamento somministrato topicamente attraverso il dispositivo è la fluoxetina, un inibitore selettivo della ricaptazione della serotonina che regola i livelli di serotonina nella ferita e migliora la guarigione riducendo l’infiammazione e promuovendo la chiusura della ferita. La dose, determinata da studi preclinici condotti dal gruppo di Isseroff alla UC Davis per ottimizzare la guarigione, viene somministrata da attuatori bioelettronici sul dispositivo sviluppato da Rolandi. Anche un campo elettrico, ottimizzato per migliorare la guarigione e sviluppato da un precedente lavoro di Min Zhao e Roslyn Rivkah Isseroff dell’UC Davis, viene erogato tramite il dispositivo.
Il medico AI determina il dosaggio ottimale dei farmaci da somministrare e l’intensità del campo elettrico applicato. Una volta applicata la terapia per un determinato periodo, la fotocamera scatta un’altra foto e il processo ricomincia. Durante l’uso, il dispositivo trasmette immagini e dati, come il tasso di guarigione, a un’interfaccia web sicura, consentendo a un medico umano di intervenire manualmente e di perfezionare il trattamento, se necessario. Il dispositivo si attacca direttamente a una medicazione standard per garantire un uso sicuro e pratico. Per valutare il potenziale per l’uso clinico, il team della UC Davis ha testato il dispositivo in modelli preclinici di ferita. In questi studi, le ferite trattate con a-Heal sono guarite circa il 25% più velocemente rispetto al trattamento standard. Questi risultati sottolineano il potenziale della tecnologia non solo per accelerare la guarigione delle ferite acute, ma anche per avviare la guarigione delle ferite croniche.
Modello di apprendimento rinforzato
Il modello di intelligenza artificiale utilizzato per questo sistema, sviluppato sotto la direzione di Marcella Gomez, professore assistente di matematica applicata, utilizza un approccio di apprendimento per rinforzo, descritto in uno studio pubblicato sulla rivista Bioengineering, per imitare l’approccio diagnostico dei medici. L’apprendimento per rinforzo è una tecnica in cui un modello è progettato per raggiungere un obiettivo finale specifico e apprende, attraverso prove ed errori, il modo migliore per raggiungere tale obiettivo. In questo contesto, l’obiettivo del modello è ridurre al minimo il tempo necessario per chiudere la ferita e viene premiato per i progressi compiuti nel raggiungere questo obiettivo. Impara continuamente dal paziente e adatta il suo approccio terapeutico.
Il modello di apprendimento per rinforzo è controllato da un algoritmo sviluppato da Gomez e dai suoi studenti chiamato Deep Mapper. Questo algoritmo, descritto in uno studio preliminare, elabora le immagini della ferita per quantificare la progressione della guarigione rispetto al decorso normale e la mappa durante il processo di guarigione. Quando il dispositivo viene applicato a una ferita, apprende un modello dinamico lineare della guarigione passata e lo utilizza per prevedere il resto del processo di guarigione.
Non basta avere l’immagine, bisogna anche elaborarla e contestualizzarla. Possiamo quindi utilizzare il controllo di retroazione”, ha detto Gomez. Questa tecnica consente all’algoritmo di apprendere in tempo reale gli effetti del farmaco o del campo elettrico sulla guarigione e guida il processo decisionale iterativo del modello di apprendimento a feedback su come regolare la concentrazione del farmaco o l’intensità del campo elettrico. Il team di ricerca sta attualmente studiando il potenziale di questo dispositivo per migliorare la guarigione di ferite croniche e infette.