无电池和支持人工智能的多重传感器补丁用于伤口监测

科学领域:

• 生物医学工程 生物医学工程
• 材料科学 材料科学 材料科学
• 人工智能的人工智能

背景情况:

• 伤口愈合是一个复杂的,多阶段的生物过程.
• 准确及时评估伤口愈合,炎症和感染是临床上具有挑战性的.
• 目前的方法往往缺乏有效的伤口管理所需的速度和定量数据.

研究的目的:

• 开发和验证一种新的,低成本的,无电池的传感器,用于全面的伤口评估.
• 整合人工智能 (AI) 和深度学习以实时确定伤口状况.
• 允许现场监测,以便早期检测不良伤口事件.

主要方法:

• 一个类似纸张的,无电池的多重复合传感器 (PETAL传感器) 使用印刷制造.
• 传感器包含五种颜色指标,用于温度,pH值,三甲基胺,尿酸和水分.
• 移动电话成像和基于神经网络的机器学习算法用于数据分析和愈合状态分类.

主要成果:

• 在使用来自老鼠伤口模型的排泄物样本来分类愈合与非愈合状态时,PETAL传感器实现了高精度 (高达97%).
• 伤口进展和严重程度的现场监测成功地在老鼠烧伤伤口模型上进行了证明.
• 传感器系统显示出早期预警并发症的潜力,促进了及时的临床干预.

结论:

• 支持人工智能的PETAL传感器为快速,定量和现场伤口评估提供了一个有前途的解决方案.
• 这项技术可以通过早期检测不愈合或感染,显著改善伤口护理.
• 开发的传感器有可能彻底改变临床伤口管理和患者的治疗结果.