Un appareil intelligent utilise l'IA et la bioélectronique pour accélérer le processus de cicatrisation des plaies

Principaux points à retenir - Les tests précliniques montrent que le dispositif accélère la guérison d’environ 25 % par rapport aux soins standard. - Le système offre un traitement personnalisé et peut être particulièrement utile pour les patients ayant un accès limité aux soins médicaux en personne.

Au fur et à mesure qu’une plaie guérit, elle passe par plusieurs étapes : la coagulation pour arrêter le saignement, la réponse du système immunitaire, la formation de croûtes et la cicatrisation. 

Un dispositif portable appelé « a-Heal », conçu par des ingénieurs de l'Université de Californie à Santa Cruz, vise à optimiser chaque étape du processus. Le système utilise une minuscule caméra et l'IA pour détecter le stade de cicatrisation et délivrer un traitement sous forme de médicament ou de champ électrique. Le système s'adapte au processus de guérison unique du patient, offrant un traitement personnalisé. 

Cet appareil portable et sans fil pourrait faciliter le traitement des plaies pour les patients vivant dans des zones reculées ou à mobilité réduite. Les premiers résultats précliniques , publiés dans la revue npj Biomedical Innovations , montrent que l'appareil accélère efficacement la cicatrisation.   

Concevoir a-Heal 

L'équipe de recherche d'UC Santa Cruz était dirigée par Marco Rolandi (à gauche), Marcella Gomez (au centre) et Mircea Teodorescu (à droite).

Une équipe de chercheurs de l'UC Santa Cruz et de l'UC Davis, parrainée par le programme DARPA-BETR et dirigée par Marco Rolandi, titulaire de la chaire d'ingénierie Baskin et professeur de génie électrique et informatique (ECE) de l'UC Santa Cruz, a conçu un dispositif combinant caméra, bioélectronique et IA pour accélérer la cicatrisation des plaies. Cette intégration au sein d'un seul appareil en fait un « système en boucle fermée », l'une des premières du genre pour la cicatrisation des plaies à la connaissance des chercheurs. 

« Notre système prend tous les signaux du corps et, grâce à des interventions externes, il optimise la progression de la guérison », a déclaré Rolandi.

Le dispositif utilise une caméra embarquée, développée par Mircea Teodorescu, professeur associé de l'ECE, et décrite dans une étude de biologie des communications , pour photographier la plaie toutes les deux heures. Ces photos sont intégrées à un modèle d'apprentissage automatique (ML), développé par Marcella Gomez, professeure associée de mathématiques appliquées, que les chercheurs appellent le « médecin IA », exécuté sur un ordinateur à proximité. 

« C'est un peu comme un microscope dans un pansement », a expliqué Teodorescu. « Les images individuelles sont peu révélatrices, mais au fil du temps, l'imagerie continue permet à l'IA d'identifier les tendances, les stades de cicatrisation des plaies, de signaler les problèmes et de suggérer des traitements. »

Le médecin utilisant l'IA utilise l'image pour diagnostiquer le stade de la plaie et le comparer à l'état où elle devrait se situer sur une échelle de temps optimale de cicatrisation. Si l'image révèle un retard, le modèle d'apprentissage automatique applique un traitement : soit un médicament administré par bioélectronique, soit un champ électrique pouvant accélérer la migration cellulaire vers la cicatrisation. 

Le traitement topique administré par 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 cicatrisation en diminuant l'inflammation et en favorisant la fermeture des tissus. La dose, déterminée par des études précliniques menées par le groupe Isseroff de l'UC Davis afin d'optimiser la cicatrisation, est administrée par des actionneurs bioélectroniques intégrés au dispositif, développés par Rolandi. Un champ électrique, optimisé pour améliorer la cicatrisation et développé par des travaux antérieurs de Min Zhao et Roslyn Rivkah Isseroff de l'UC Davis, est également administré par le dispositif.

Le médecin IA détermine la dose optimale de médicament à administrer et l'intensité du champ électrique appliqué. Après un certain temps d'application du traitement, la caméra prend une nouvelle image et le processus recommence. 

Lors de son utilisation, l'appareil transmet des images et des données, telles que le taux de cicatrisation, à une interface web sécurisée, permettant ainsi à un médecin d'intervenir manuellement et d'ajuster le traitement si nécessaire. L'appareil se fixe directement sur un pansement disponible dans le commerce pour une utilisation pratique et sécurisée.

Afin d'évaluer le potentiel d'utilisation clinique, l'équipe de l'UC Davis a testé le dispositif sur des modèles de plaies précliniques. Dans ces études, les plaies traitées avec a-Heal ont suivi une cicatrisation environ 25 % plus rapide que les soins habituels. Ces résultats soulignent le potentiel de cette technologie, non seulement pour accélérer la fermeture des plaies aiguës, mais aussi pour relancer la cicatrisation retardée des plaies chroniques.

Renforcement de l'IA

Le modèle d'IA utilisé pour ce système, dirigé par la professeure adjointe de mathématiques appliquées Marcella Gomez, utilise une approche d'apprentissage par renforcement , décrite dans une étude publiée dans la revue Bioengineering , pour imiter l'approche diagnostique utilisée par les médecins. 

L'apprentissage par renforcement est une technique qui consiste à concevoir un modèle pour atteindre un objectif précis, en apprenant par essais et erreurs comment l'atteindre au mieux. Dans ce contexte, le modèle se voit assigner un objectif de réduction du temps de cicatrisation et est récompensé pour ses progrès vers cet objectif. Il apprend continuellement du patient et adapte son approche thérapeutique.

Le modèle d'apprentissage par renforcement est guidé par un algorithme créé par Gomez et ses étudiants, appelé Deep Mapper, décrit dans une étude préliminaire . Cet algorithme traite les images de plaies pour quantifier le stade de cicatrisation par rapport à la progression normale, en le cartographiant le long de la trajectoire de cicatrisation. Au fil du temps, l'appareil sur une plaie apprend un modèle dynamique linéaire de la cicatrisation passée et l'utilise pour prédire la progression de la cicatrisation. 

« Il ne suffit pas d'avoir l'image, il faut la traiter et la contextualiser. Ensuite, on peut appliquer le contrôle de rétroaction », a expliqué Gomez. 

Cette technique permet à l'algorithme d'apprendre en temps réel l'impact du médicament ou du champ électrique sur la guérison, et guide la prise de décision itérative du modèle d'apprentissage par renforcement sur la manière d'ajuster la concentration du médicament ou l'intensité du champ électrique. 

L’équipe de recherche étudie désormais le potentiel de ce dispositif pour améliorer la cicatrisation des plaies chroniques et infectées. 

Des publications complémentaires liées à ces travaux sont disponibles ici . Cette recherche a été soutenue par la Defense Advanced Research Projects Agency et la Advanced Research Projects Agency for Health. 

Les personnes intéressées par l'utilisation commerciale de cette technologie peuvent contacter le directeur adjoint du transfert d'innovation Marc Oettinger : marc.oettinger@ucsc.edu ou 831-502-0253.

https://news.ucsc.edu/2025/09/smart-device-ai-bioelectronics-speed-up-wound-healing/