Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Edge AI-deployed DIGItal Twins for PREDICTing disease progression and need for early intervention in infectious and cardiovascular diseases beyond COVID-19

Article Category

Article available in the following languages:

Cyfrowy bliźniak do spersonalizowanego monitorowania stanu zapalnego

Przewidywanie zagrażającego życiu stanu zapalnego jest trudne. Dzięki połączeniu inteligentnych czujników, sztucznej inteligencji i technologii organ-na-chipie cyfrowe bliźniaki mogą symulować i przewidywać indywidualne reakcje.

Wyobraź sobie, że masz wirtualny model tego, jak działa twój organizm, czyli cyfrowego bliźniaka zdolnego do symulowania jego reakcji na chorobę lub leczenie. Cyfrowe bliźniaki od dawna są wykorzystywane w dziedzinach takich jak inżynieria i klimatologia, ale jeszcze nie w ochronie zdrowia. Łącząc profil genetyczny i historię medyczną pacjenta z danymi biometrycznymi w czasie rzeczywistym, cyfrowe bliźniaki umożliwiają lekarzom przewidywanie zagrożeń dla zdrowia, zanim jeszcze pojawią się objawy. W przypadku chorób zapalnych, takich jak sepsa lub ciężki COVID-19, gdzie wczesna interwencja ma kluczowe znaczenie, ta możliwość przewidywać może uratować życie.

Pokonywanie wyzwań związanych z cyfrowymi bliźniakami

Chociaż cyfrowe bliźniaki są obiecujące, stworzenie odpowiednich do zastosowań w czasie rzeczywistym w opiece klinicznej pozostaje wyzwaniem. Wymagania obejmują nie tylko szczegółowe dane pacjenta, ale także czujniki, które mogłyby rejestrować te dane w sposób ciągły, algorytmy do ich dokładnej analizy oraz modele biologiczne, które pomagałyby interpretować ich znaczenie. Finansowany ze środków UE projekt DIGIPREDICT(odnośnik otworzy się w nowym oknie) połączył wszystkie te elementy, aby prowadzić pionierskie badania nad technologią cyfrowego bliźniaka do monitorowania stanu zapalnego.

Czujniki ubieralne działające precyzyjnie w czasie rzeczywistym

Kluczowym celem projektu DIGIPREDICT było opracowanie czujników do noszenia, które śledziłyby określone biomarkery stanu zapalnego bezpośrednio ze skóry. Czujniki są połączone z krzemowymi mikroigłami, które bezboleśnie i wydajnie pobierają płyn śródmiąższowy. Ta innowacyjna konstrukcja umożliwia monitorowanie biomarkerów bez konieczności pobierania krwi. Zespół stworzył multimodalne czujniki mleczanu i czujniki pH(odnośnik otworzy się w nowym oknie) o dziesięciokrotnie większym zakresie dynamicznym niż obecnie dostępne technologie. Pozwala to wykrywać krytyczne zmiany w metabolizmie tkanek. Co więcej, projekt ten stworzył pionierski, pierwszy ubieralny czujnik(odnośnik otworzy się w nowym oknie) białka C-reaktywnego (CRP), kluczowego markera stanu zapalnego, przy użyciu techniki elektrochemicznej w czasie rzeczywistym zwanej spektroskopią impedancyjną. „Czujniki te dają nam ciągły, nieinwazyjny wgląd w stan zapalny u chorej osoby” — wyjaśnia koordynator projektu Adrian Ionescu.

Organ-na-chipie do inteligentniejszego monitorowania

Aby zapewnić, że czujniki wychwytują najistotniejsze sygnały, firma DIGIPREDICT opracowała również modele narząd-na-chipie. Służą one jako fizyczne bliźniaki, które pomagają naukowcom symulować, w jaki sposób stan zapalny, taki jak burza cytokin, może rozwijać się u chorych w świecie rzeczywistym. Platformy serce i naczynia krwionośnych na chipie zostały również wykorzystane do badania reakcji na stan zapalny i tego, jak różne leki oddziałują z tkankami objętymi stanem zapalnym. Zdaniem Ionescu: „Układy organ-na-chipie odegrały kluczową rolę w identyfikacji właściwych biomarkerów i walidacji naszych ubieralnych technologii”.

Algorytmy sztucznej inteligencji

Moc predykcyjna rozwiązań DIGIPREDICT pochodzi nie tylko z czujników. Zaawansowane algorytmy sztucznej inteligencji integrują dane pochodzące z różnych szpitali, nawet jeśli dokumentacja pacjenta jest niekompletna. Modele te przeszkolono również w różnych instytucjach bez udostępniania wrażliwych danych. Nie tylko zapewniło to prywatność, ale także pomogło w stworzeniu dokładniejszych narzędzi. „Niekompletne dane są rzeczywistością w opiece zdrowotnej, a nasze algorytmy traktują brakujące dane jako znaczącą cechę, która faktycznie poprawia przewidywanie” — podkreśla Ionescu.

Od badań do zastosowań klinicznych

Jednym z kluczowych osiągnięć projektu było wykazanie, że pętle cyfrowego bliźniaka, które integrują wykrywanie, modelowanie i przewidywanie, mogą działać w środowiskach klinicznych w czasie rzeczywistym. Ubieralny czujnik mleczanu jest coraz bliżej otrzymania oznakowania CE, a partner branżowy Xsensio SA(odnośnik otworzy się w nowym oknie) przygotowuje go do użytku komercyjnego. Inna ważna ścieżka eksploatacji obejmuje opracowanie krzemowych mikroigieł do ekstrakcji płynu śródmiąższowego przez firmę Ascilion(odnośnik otworzy się w nowym oknie). W dalszej perspektywie wyniki projektu DIGIPREDICT zostaną dokładniej przeanalizowane w nowym, finansowanym ze środków UE projekcie RealCare(odnośnik otworzy się w nowym oknie) pod kątem monitorowania chorób układu krążenia i nowotworów. Jak podsumowuje Ionescu: „Cyfrowe bliźniaki są drogą do inteligentniejszego, bardziej zrównoważonego sposobu zarządzania zdrowiem, który skupia się na jednostce”.

Znajdź inne artykuły w tej samej dziedzinie zastosowania

Moja broszura 0 0