Las pruebas preclínicas demostraron una curación aproximadamente un 25 % más rápida que con la atención estándar
Fecha: 24 de septiembre de 2025
Fuente: Universidad de California - Santa CruzResumen:Un nuevo dispositivo portátil, a-Heal, combina inteligencia artificial, imágenes y bioelectrónica para acelerar la recuperación de heridas. Monitoriza continuamente las heridas, diagnostica las etapas de cicatrización y aplica tratamientos personalizados, como medicamentos o campos eléctricos. Las pruebas preclínicas demostraron una curación aproximadamente un 25 % más rápida que con la atención estándar, lo que destaca su potencial para el tratamiento de heridas crónicas.Compartir:
HISTORIA COMPLETA
El dispositivo a-Heal, impulsado por IA, adapta el tratamiento en tiempo real para acelerar el cierre de heridas. Los resultados preclínicos sugieren que podría revolucionar la cicatrización, especialmente en heridas crónicas. Crédito: Shutterstock
A medida que una herida cicatriza, pasa por varias etapas: coagulación para detener el sangrado, respuesta del sistema inmunológico, formación de costras y cicatrización.
Un dispositivo portátil llamado "a-Heal", diseñado por ingenieros de la Universidad de California en Santa Cruz, busca optimizar cada etapa del proceso. El sistema utiliza una cámara diminuta e inteligencia artificial para detectar la etapa de curación y administrar un tratamiento en forma de medicación o campo eléctrico. El sistema responde al proceso de curación único del paciente, ofreciendo un tratamiento personalizado.
El dispositivo portátil e inalámbrico podría facilitar el acceso a la terapia de heridas para pacientes en zonas remotas o con movilidad reducida. Los resultados preclínicos iniciales, publicados en la revista npj Biomedical Innovations , demuestran que el dispositivo acelera con éxito el proceso de cicatrización.
Diseño de a-Heal
Un equipo de investigadores de UC Santa Cruz y UC Davis, patrocinado por el programa DARPA-BETR y dirigido por Marco Rolandi, catedrático de Ingeniería Baskin de UC Santa Cruz y profesor de Ingeniería Eléctrica e Informática (ECE), diseñó un dispositivo que combina una cámara, bioelectrónica e inteligencia artificial para acelerar la cicatrización de heridas. Esta integración en un solo dispositivo lo convierte en un "sistema de circuito cerrado", uno de los primeros de su tipo para la cicatrización de heridas, según el conocimiento de los investigadores.
"Nuestro sistema toma todas las señales del cuerpo y, con intervenciones externas, optimiza el proceso de curación", dijo Rolandi.
El dispositivo utiliza una cámara integrada, desarrollada por el profesor asociado de ECE Mircea Teodorescu y descrita en un estudio de Biología de la Comunicación, para tomar fotos de la herida cada dos horas. Las fotos se introducen en un modelo de aprendizaje automático (AA), desarrollado por la profesora asociada de Matemáticas Aplicadas Marcella Gomez, al que los investigadores denominan "médico de IA" y que se ejecuta en una computadora cercana.
"Es básicamente un microscopio en una venda", dijo Teodorescu. "Las imágenes individuales dicen poco, pero con el tiempo, la imagen continua permite a la IA detectar tendencias, etapas de cicatrización de heridas, detectar problemas y sugerir tratamientos".
El médico con IA utiliza la imagen para diagnosticar el estadio de la herida y la compara con el punto en el que debería estar la herida según un cronograma de cicatrización óptima. Si la imagen revela un retraso, el modelo de aprendizaje automático aplica un tratamiento: un medicamento administrado mediante bioelectrónica o un campo eléctrico que puede favorecer la migración celular hacia el cierre de la herida.
El tratamiento tópico administrado a través del dispositivo es fluoxetina, un inhibidor selectivo de la recaptación de serotonina que controla los niveles de serotonina en la herida y mejora la cicatrización al disminuir la inflamación y aumentar el cierre del tejido. La dosis, determinada mediante estudios preclínicos por el grupo Isseroff de la UC Davis para optimizar la cicatrización, se administra mediante actuadores bioelectrónicos en el dispositivo, desarrollados por Rolandi. También se administra a través del dispositivo un campo eléctrico, optimizado para mejorar la cicatrización y desarrollado por trabajos previos de Min Zhao y Roslyn Rivkah Isseroff de la UC Davis.
El médico con IA determina la dosis óptima del medicamento a administrar y la magnitud del campo eléctrico aplicado. Tras aplicar la terapia durante un tiempo determinado, la cámara toma otra imagen y el proceso se reinicia.
Durante su uso, el dispositivo transmite imágenes y datos, como la velocidad de curación, a una interfaz web segura, para que un médico pueda intervenir manualmente y ajustar el tratamiento según sea necesario. El dispositivo se conecta directamente a un vendaje comercial para un uso cómodo y seguro.
Para evaluar su potencial de uso clínico, el equipo de 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 la atención estándar. Estos hallazgos resaltan la promesa de esta tecnología no solo para acelerar el cierre de heridas agudas, sino también para impulsar la cicatrización retardada en heridas crónicas.
Refuerzo de IA
El modelo de IA utilizado para este sistema, que fue dirigido por la profesora adjunta de Matemáticas Aplicadas Marcella Gómez, utiliza un enfoque de aprendizaje de refuerzo, descrito en un estudio en la revista Bioengineering, para imitar el enfoque de diagnóstico utilizado por los médicos.
El aprendizaje por refuerzo es una técnica en la que se diseña un modelo para alcanzar un objetivo final específico, aprendiendo mediante ensayo y error la mejor manera de lograrlo. En este contexto, se le asigna al modelo el objetivo de minimizar el tiempo de cierre de la herida y se le recompensa por su progreso hacia dicho objetivo. Aprende continuamente del paciente y adapta su enfoque terapéutico.
El modelo de aprendizaje por refuerzo se basa en un algoritmo creado por Gómez y sus estudiantes, llamado Deep Mapper, descrito en un estudio preimpreso. Este algoritmo procesa imágenes de heridas para cuantificar la etapa de cicatrización en comparación con la progresión normal, mapeándola a lo largo de la trayectoria de la cicatrización. A medida que pasa el tiempo con el dispositivo sobre la herida, este aprende un modelo dinámico lineal de la cicatrización anterior y lo utiliza para predecir cómo continuará la cicatrización.
"No basta con tener la imagen; hay que procesarla y contextualizarla. Luego, se puede aplicar el control de retroalimentación", explicó Gómez.
Esta técnica permite que el algoritmo aprenda en tiempo real el impacto del fármaco o del campo eléctrico en la curación y guía la toma de decisiones iterativa del modelo de aprendizaje de refuerzo sobre cómo ajustar la concentración del fármaco o la intensidad del campo eléctrico.
Ahora, el equipo de investigación está explorando el potencial de este dispositivo para mejorar la curación de heridas crónicas e infectadas.
Publicaciones adicionales relacionadas con este trabajo se pueden encontrar aquí.
Esta investigación fue apoyada por la Agencia de Proyectos de Investigación Avanzada de Defensa y la Agencia de Proyectos de Investigación Avanzada para la Salud.
Fuente de la historia:
Materiales proporcionados por la Universidad de California - Santa Cruz . Nota: El contenido puede ser editado por motivos de estilo y extensión.
_________________
Referencia de la revista: Houpu Li, Hsin-ya Yang, Fan Lu, Wan Shen Hee, Narges Asefifeyzabadi, Prabhat Baniya, Anthony Gallegos, Kaelan Schorger, Kan Zhu, Cynthia Recendez, Maryam Tebyani, Manasa Kesapragada, Gordon Keller, Sujung Kim, George Luka, Ksenia Zlobina, Tiffany Nguyen, Sydnie Figuerres, Celeste Franco, Koushik Devarajan, Alexie Barbee, Kylie Lin, Shannon M. Clayton, Annabelle Eaton, Elham Aslankoohi, Athena M. Soulika, Min Zhao, Mircea Teodorescu, Marcella Gomez, Roslyn Rivkah Isseroff, Marco Rolandi. Hacia una terapia bioelectrónica adaptativa de heridas con diagnóstico integrado en tiempo real y control de circuito cerrado impulsado por aprendizaje automático . npj Innovaciones biomédicas , 2025; 2 (1) DOI: 10.1038/s44385-025-00038-6
______________
Fuente:
Universidad de California - Santa Cruz. « Un vendaje inteligente con IA cura heridas un 25 % más rápido». ScienceDaily. ScienceDaily, 24 de septiembre de 2025. < www.sciencedaily.com/releases/2025/09/250924012232.htm > .
