Bandagem inteligente com IA acelera a cicatrização de feridas em 25%

Um dispositivo vestível chamado “a-Heal”, projetado por engenheiros da Universidade da Califórnia, Santa Cruz, visa otimizar cada etapa do processo. O sistema utiliza uma câmera minúscula e inteligência artificial (IA) para detectar a fase da cicatrização e administrar um tratamento na forma de medicação ou um campo elétrico. O sistema responde ao processo de cicatrização único do paciente, oferecendo tratamento personalizado.

O dispositivo portátil e sem fio pode tornar a terapia de feridas mais acessível a pacientes em áreas remotas ou com mobilidade limitada. Os resultados pré-clínicos iniciais, publicados no jornal npj Biomedical Innovations, mostram que o dispositivo acelera com sucesso o processo de cicatrização.

Projetando o a-Heal

Uma equipe de pesquisadores da UC Santa Cruz e da UC Davis, patrocinada pelo programa DARPA-BETR e liderada pelo Professor Marco Rolandi, Cátedra Endowed de Engenharia Elétrica e de Computação (ECE) da UC Santa Cruz, projetou um dispositivo que combina uma câmera, bioeletrônica e IA para uma cicatrização mais rápida de feridas. A integração em um único dispositivo torna-o um “sistema de circuito fechado” – um dos primeiros de seu tipo para cicatrização de feridas, pelo que os pesquisadores têm conhecimento.

“Nosso sistema capta todos os sinais do corpo e, com intervenções externas, otimiza o progresso da cicatrização,” disse Rolandi.

O dispositivo utiliza uma câmera embarcada, desenvolvida pelo Professor Associado de ECE Mircea Teodorescu e descrita em um estudo da Communications Biology, para tirar fotos da ferida a cada duas horas. As imagens são alimentadas em um modelo de aprendizado de máquina (ML), desenvolvido pela Professora Associada de Matemática Aplicada Marcella Gomez, que os pesquisadores chamam de “médico IA” rodando em um computador nas proximidades.

“É essencialmente um microscópio em um curativo,” disse Teodorescu. “Imagens individuais dizem pouco, mas ao longo do tempo, a imagem contínua permite que a IA identifique tendências, estágios da cicatrização da ferida, sinalize problemas e sugira tratamentos.”

O médico IA usa a imagem para diagnosticar o estágio da ferida e a compara com onde a ferida deveria estar dentro de uma linha do tempo de cicatrização ideal. Se a imagem revela um atraso, o modelo de ML aplica um tratamento: seja medicamento, entregue via bioeletrônica; ou um campo elétrico, que pode melhorar a migração celular em direção ao fechamento da ferida.

O tratamento administrado topicamente através do dispositivo é a fluoxetina, um inibidor seletivo da recaptação de serotonina que controla os níveis de serotonina na ferida e melhora a cicatrização ao diminuir a inflamação e aumentar o fechamento do tecido da ferida. A dosagem, determinada por estudos pré-clínicos do grupo Isseroff na UC Davis para otimizar a cicatrização, é administrada por atuadores bioeletrônicos no dispositivo, desenvolvidos por Rolandi. Um campo elétrico, otimizado para melhorar a cicatrização e desenvolvido pelo trabalho anterior de Min Zhao e Roslyn Rivkah Isseroff da UC Davis, também é entregue através do dispositivo.

O médico IA determina a dosagem ideal de medicação a ser administrada e a magnitude do campo elétrico aplicado. Após a terapia ser aplicada por um certo período de tempo, a câmera tira outra imagem, e o processo começa novamente.

Durante o uso, o dispositivo transmite imagens e dados, como a taxa de cicatrização, para uma interface web segura, para que um médico humano possa intervir manualmente e ajustar o tratamento conforme necessário. O dispositivo se conecta diretamente a um curativo comercialmente disponível para uso conveniente e seguro.

Para avaliar o potencial de uso clínico, a equipe da UC Davis testou o dispositivo em modelos de feridas pré-clínicos. Nestes estudos, feridas tratadas com a-Heal seguiram uma trajetória de cicatrização cerca de 25% mais rápida do que o padrão de atendimento. Esses achados destacam a promessa da tecnologia não apenas para acelerar o fechamento de feridas agudas, mas também para reiniciar a cicatrização de feridas crônicas paradas.

Apoio da IA

O modelo de IA utilizado para este sistema, liderado pela Professora Assistente de Matemática Aplicada Marcella Gomez, usa uma abordagem de aprendizado por reforço, descrita em um estudo na revista Bioengineering, para mimetizar a abordagem diagnóstica utilizada por médicos.

O aprendizado por reforço é uma técnica em que um modelo é projetado para cumprir um objetivo específico, aprendendo através de tentativas e erros como alcançar melhor esse objetivo. Neste contexto, o modelo tem como meta minimizar o tempo de fechamento da ferida e é recompensado por fazer progressos em direção a esse objetivo. Ele aprende continuamente com o paciente e adapta sua abordagem de tratamento.

O modelo de aprendizado por reforço é guiado por um algoritmo que Gomez e seus alunos criaram chamado Deep Mapper, descrito em um estudo pré-print, que processa imagens de feridas para quantificar o estágio de cicatrização em comparação com a progressão normal, mapeando ao longo da trajetória de cicatrização. À medida que o tempo passa com o dispositivo em uma ferida, ele aprende um modelo dinâmico linear da cicatrização passada e usa isso para prever como a cicatrização continuará a progredir.

“Não é suficiente apenas ter a imagem, você precisa processá-la e colocá-la em contexto. Então, você pode aplicar o controle de feedback,” disse Gomez.

Essa técnica permite que o algoritmo aprenda em tempo real o impacto do medicamento ou do campo elétrico na cicatrização e orienta a tomada de decisão iterativa do modelo de aprendizado por reforço sobre como ajustar a concentração do medicamento ou a intensidade do campo elétrico.

Agora, a equipe de pesquisa está explorando o potencial deste dispositivo para melhorar a cicatrização de feridas crônicas e infectadas.

Publicações adicionais relacionadas a este trabalho podem ser encontradas vinculadas aqui.

Esta pesquisa foi apoiada pela Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) e pela Agência de Projetos de Pesquisa Avançada para a Saúde.