自适应生物电子伤口治疗平台：集成实时诊断与机器学习驱动的闭环控制加速组织再生

　　针对全球数亿人面临的伤口愈合障碍问题，研究人员开发了无线自适应生物电子伤口治疗平台a-Heal。该平台通过集成可穿戴成像设备与机器学习医师系统，实现了伤口阶段的实时诊断，并利用生物电子执行器动态调控电场（EF）和药物（如氟西汀Flx）的闭环治疗。在大动物模型中，a-Heal显著促进组织再生、减轻炎症并加速愈合，为个性化伤口护理提供了突破性解决方案。

　　

全球每年约发生240亿例伤口事件，其中慢性伤口和愈合障碍患者面临感染、败血症甚至死亡的风险。传统伤口护理依赖静态标准化方案，无法适应个体差异和伤口动态变化过程，导致愈合效果不理想。近年来虽涌现出智能绷带和可穿戴传感技术，但仍缺乏能够实时评估伤口阶段并动态调整治疗策略的集成系统。

在这项发表于《npj Biomedical Innovations》的研究中，研究团队开发了名为a-Heal的无线自适应生物电子伤口治疗平台。该系统通过融合可穿戴传感、机器学习算法和生物电子执行技术，首次实现了伤口治疗的闭环控制。研究表明，a-Heal能显著加速猪模型伤口愈合过程，改善组织再生质量并调控炎症反应。

研究采用的主要技术方法包括：1）集成光学成像模块与PDMS微流控执行器的可穿戴设备制造；2）基于自编码器（AutoEncoder）和线性二次调节器（LQR）的深度映射算法（DeepMapper）；3）深度强化学习（DRL）控制的治疗决策系统；4）离子电渗给药和电场刺激的双模式生物电子执行技术；5）使用 Yorkshire-Landrace-Duroc 杂交猪建立全层皮肤缺损模型（样本量：2次独立实验，共4个处理伤口和8个对照伤口）。

a-Heal系统架构

平台由可穿戴设备和机器学习医师（ML Physician）两大核心组件构成。可穿戴设备集成高清摄像头、环形LED照明系统和透明聚二甲基硅氧烷（PDMS）微流控执行器，每2小时自动采集伤口图像并无线传输至ML Physician。机器学习系统通过深度映射算法将图像编码为四维状态向量（代表止血、炎症、增殖和成熟四个愈合阶段），基于线性动态模型生成最优治疗路径，并通过深度强化学习控制器实时调整电场强度（EF）和氟西汀（Flx）剂量。

机器学习医师的决策机制

ML Physician采用领导者-跟随者（leader-follower）策略：首先通过自编码器重构伤口图像，生成理想愈合状态的参考图像；随后两个DRL控制器分别优化EF和Flx参数，以最小化实际伤口与理想状态的欧几里得距离。奖励函数设计为r(x_k, u_k)=exp(-η||h^-1(z_k+1)-x_k+1||₂)，其中z_k+1=A^natz_k-Kz_k代表最优状态转移。

生物电子治疗执行

执行模块采用八通道离子电渗泵设计，其中四个通道输送氟西汀盐酸盐溶液（带正电荷），四个通道输送无菌盐水用于电场治疗。通过无线电位stat控制施加电压（V_EF=4.7V时电场强度达400mV/cm），并实时监测电流信号以校准给药剂量。COMSOL仿真和离体实验验证了电场分布和药物输送的准确性。

猪伤口愈合验证

在22天的实验中，a-Heal治疗组相比标准护理组表现出显著改善：第22天再上皮化率提高至51.8%（对照15.0%），表皮厚度增加34.2%，肉芽组织面积减少26.3%。基因表达分析显示抗炎因子IL10和促修复因子TGFB1表达上调，而炎症相关因子IL1B和TNFα显著下调。胶原蛋白III/I比率降低表明细胞外基质更趋成熟，免疫组化证实M2型巨噬细胞浸润增加和神经再生增强。

该研究证实了闭环自适应治疗策略的临床潜力。ML Physician通过实时调整EF向Flx的转换时机（当炎症阶段概率达到40%时启动给药），克服了传统固定疗程的局限性。值得注意的是，在两次因设备故障导致治疗中断的案例中，愈合指标显著恶化（p=0.023），反证了算法连续调控的重要性。虽然当前研究限于非感染性伤口，且样本量较小，但为糖尿病足溃疡等慢性伤口治疗提供了技术范式。该系统有望通过进一步的小型化和算法优化，为医疗资源匮乏地区提供专家级伤口护理服务。