Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
ARAB HEALTH - INFORMA

Deascargar La Aplicación Móvil




Eventos

27 ene 2025 - 30 ene 2025
15 feb 2025 - 17 feb 2025

Parche de sensor sin batería habilitado para IA mide biomarcadores para monitorear el estado de cicatrización de heridas

Por el equipo editorial de HospiMedica en español
Actualizado el 03 Jul 2023
Print article
Imagen: El parche sensor PETAL parecido a un papel, sin batería, se puede integrar de manera fácil y segura a los vendajes para heridas (Fotografía cortesía de NUS)
Imagen: El parche sensor PETAL parecido a un papel, sin batería, se puede integrar de manera fácil y segura a los vendajes para heridas (Fotografía cortesía de NUS)

El control efectivo y oportuno del proceso de cicatrización de heridas es crucial en el cuidado y manejo de heridas. Los problemas con la cicatrización de heridas, como las heridas crónicas (aquellas que no cicatrizan después de tres meses) y las cicatrices patológicas posteriores a la quemadura, pueden provocar complicaciones potencialmente mortales y una carga financiera sustancial para los pacientes y los sistemas de atención médica globales. La cicatrización de heridas es evaluada tradicionalmente de forma visual por un médico, y las infecciones de heridas se identifican principalmente a través de hisopados y cultivos bacterianos posteriores. Este método implica tiempos de espera prolongados y no proporciona un diagnóstico inmediato de la herida, lo que dificulta las predicciones precisas de cicatrización de heridas en un entorno clínico. Además, el retiro frecuente de apósitos para la evaluación de heridas aumenta el riesgo de infección y puede causar molestias y traumatismos adicionales a los pacientes. Para superar este desafío, un equipo de investigación integró su experiencia en electrónica flexible, inteligencia artificial (IA), procesamiento de datos de sensores y capacidades de nanosensores para desarrollar una solución innovadora que podría beneficiar a los pacientes con heridas complicadas.

Un parche sensor inventado por un equipo de investigadores de la Universidad Nacional de Singapur (NUS, Singapur) y el Instituto de Investigación e Ingeniería de Materiales de A*STAR (IMRE, Singapur) ofrece una manera simple, eficiente y conveniente de monitorear la cicatrización de heridas, facilitando la intervención clínica oportuna para mejorar el cuidado y manejo de heridas. El parche sensor PETAL (Paper-like Battery-free In situ AI-enabled Multiplexed) contiene cinco sensores colorimétricos y puede evaluar el estado de cicatrización de la herida del paciente en 15 minutos midiendo una combinación de biomarcadores como temperatura, pH, trimetilamina, ácido úrico y humedad de la herida. Estos biomarcadores se seleccionaron específicamente para evaluar de forma eficaz la inflamación de la herida, la infección y las condiciones del entorno de la herida.

A diferencia de la mayoría de los sensores portátiles para heridas que miden solo uno o algunos parámetros y requieren tarjetas de circuito y baterías voluminosas, el parche del sensor PETAL actualmente mide cinco biomarcadores. Se pueden incluir biomarcadores adicionales integrando diferentes sensores colorimétricos, como glucosa, lactato o interleucina-6 para úlceras diabéticas, si es necesario. El parche sensor no requiere batería y puede funcionar sin una fuente de energía. Las imágenes del sensor son capturadas por un teléfono móvil y analizadas por algoritmos de IA para determinar el estado de curación del paciente. El parche del sensor PETAL consta de un panel fluídico diseñado como una flor de molinete de cinco pétalos, y cada 'pétalo' funciona como una región de detección. Una abertura en el centro del panel fluídico recoge el fluido de la herida y lo distribuye uniformemente a través de cinco canales de muestreo a las regiones de detección para su análisis. Cada región de detección utiliza una sustancia química diferente que cambia de color para detectar y medir los indicadores de herida respectivos, como la temperatura, el pH, la trimetilamina, el ácido úrico y la humedad.

Un panel fluídico intercalado entre dos películas delgadas comprende una capa superior de silicona transparente para facilitar las funciones normales de la piel de intercambio de oxígeno y humedad y permite la visualización de imágenes para capturar y analizar imágenes precisas. La capa inferior, en contacto con la herida, adhiere suavemente el parche sensor a la piel, protegiendo el lecho de la herida del contacto directo con el panel del sensor para minimizar las interrupciones en el tejido de la herida. Una vez que se recolecta suficiente líquido de la herida, el parche sensor PETAL puede detectar biomarcadores en 15 minutos. Las imágenes o un video del parche sensor se pueden grabar en un teléfono móvil para su clasificación utilizando un algoritmo de IA patentado. Los experimentos de laboratorio han demostrado una alta tasa de precisión del 97 % del parche sensor PETAL para diferenciar entre heridas que cicatrizan y que no cicatrizan, heridas crónicas y por quemaduras. No se observaron signos visibles de reacciones adversas en la superficie de la piel en contacto con el parche sensor PETAL durante cuatro días, lo que comprueba la biocompatibilidad del parche sensor PETAL para el control ambulatorio de heridas.

"Diseñamos el parche sensor PETAL similar al papel para que sea delgado, flexible y biocompatible, lo que permite que se integre de manera fácil y segura a los vendajes para la detección de biomarcadores", explicó el Dr. Su Xiaodi, Científico Principal, Departamento de Materiales Blandos, IMRE de A*STAR. "Por lo tanto, podemos usar potencialmente este conveniente parche sensor para el manejo rápido y de bajo costo del cuidado de heridas en hospitales o incluso en entornos de atención médica no especializados, como los hogares".

"Nuestro algoritmo de IA es capaz de procesar rápidamente los datos de una imagen digital del parche sensor para una clasificación muy precisa del estado de cicatrización", dijo el profesor asociado de la NUS, Benjamin Tee. "Esto se puede hacer sin quitar el sensor de la herida. De esta manera, los médicos y los pacientes pueden monitorear las heridas con mayor regularidad con poca interrupción en la cicatrización de las heridas. Luego, se puede administrar una intervención médica oportuna para prevenir complicaciones adversas y cicatrices".

Enlaces relacionados:
NUS
IMRE

Miembro Oro
SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test
SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)
Miembro Oro
VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL
GEMweb Live
New
Diagnosis Display System
C1216W
New
Monitor Cart
Tryten S5

Print article

Canales

Técnicas Quirúrgicas

ver canal
Imagen: los electrodos de catéter se pueden entregar y guiar hacia los espacios ventriculares y la superficie del cerebro para la estimulación eléctrica (foto cortesía de la Universidad Rice)

Interfaz neural novedosa ayuda a diagnosticar y tratar trastornos neurológicos con riesgos quirúrgicos mínimos

Los métodos tradicionales para interactuar con el sistema nervioso generalmente implican crear una abertura en el cráneo para acceder al cerebro. Ahora, los investigadores han presentado... Más

Cuidados de Pacientes

ver canal
Imagen: La plataforma de biosensores portátil utiliza sensores electroquímicos impresos para la detección rápida y selectiva de Staphylococcus aureus (foto cortesía de AIMPLAS)

Plataforma de biosensores portátiles reducirá infecciones adquiridas en el hospital

En la Unión Europea, aproximadamente 4 millones de pacientes adquieren infecciones asociadas a la atención de la salud (IAAS), o infecciones nosocomiales, cada año, lo que provoca alrededor de 37.... Más

TI

ver canal
Imagen: El primer modelo específico de la institución proporciona una ventaja de desempeñoa significativa sobre los modelos actuales basados en la población (Fotografía cortesía de Mount Sinai)

Modelo de aprendizaje automático mejora predicción del riesgo de mortalidad para pacientes de cirugía cardíaca

Se han implementado algoritmos de aprendizaje automático para crear modelos predictivos en varios campos médicos, y algunos han demostrado mejores resultados en comparación con sus... Más

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso

Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.