浙江大学最新Cell子刊论文：利用AI促进伤口愈合

撰文丨王聪

编辑丨王多鱼

排版丨水成文

复杂且难以愈合的伤口，由于细菌密度高和感染风险大，需要精准干预。然而，传统治疗方法缺乏对伤口微环境的动态监测和系统调节。能否开发出一种精准的治疗干预措施来降低伤口感染风险，加速伤口愈合？

2025 年 9 月 1 日，浙江大学俞梦飞研究员、贺永教授等在 Cell 子刊 Cell Biomaterials 上发表了题为：AI-feedback bioelectronics promote infectious wound healing 的研究论文。

该将再生生物电子学与人工智能（AI）相结合，其中 AI 充当修复信号的反馈，兼具智能响应和促进伤口愈合的双重功能。在感染早期，高电流（4 毫安）刺激促使液态金属释放高剂量的镓离子，以实现快速广谱抗菌作用。在后期愈合阶段，生物电子学被设计为能够智能感知伤口状况，并在低电流（0-2 毫安）刺激下精确控制镓离子的释放，从而在 14 天内促进组织再生。

该研究利用再生生物电子学实现了伤口修复的闭环控制，推动了伤口护理解决方案的发展，并通过 AI 的整合开创了智能愈合的新领域，为慢性伤口治疗提供了突破性解决方案。

复杂且难治的伤口在临床上是一个重大挑战，因其细菌密度高、愈合时间长且易感染，需要有针对性的干预和有效的管理，尤其是金黄色葡萄球菌感染的伤口，其中形成的脓液使情况更加复杂。近期临床研究表明，超过 60% 的慢性伤口会出现脓液积聚，而在耐药菌感染的情况下，治疗失败率超过 45%。此外，脓液的高粘度和复杂成分形成了物理化学屏障，极大地阻碍了药物扩散，使得抗生素难以有效渗透并清除感染，从而增加了治疗难度。这一持续存在的临床难题，凸显了迫切需要开发出结合监测与适应性治疗的下一代解决方案。

为了克服伤口脓液对药物扩散造成的阻碍，研究人员提出了多种策略。这些策略包括直接向感染部位施用高剂量抗生素，或者采用冲洗或引流等物理方法清除脓液。然而，这些方法在四周内仅能使 28%-35% 的感染完全清除，而且高剂量抗生素可能会导致细菌耐药性。同时，在感染环境中实现高效药物递送和精准作用仍是当前研究中的关键瓶颈。值得注意的是，现有的方法均未解决伤口微环境在愈合过程中所发生的动态变化。

近年来，闭环治疗系统在伤口管理领域备受关注。研究人员探索了智能纳米材料、自适应药物载体和刺激响应材料的应用，以提高抗菌效率。然而，现有技术在时间检测和应对复杂的脓液屏障以及动态变化的组织环境方面存在局限性，导致杀菌效率和治疗精度欠佳。特别是缺乏智能反馈机制，使得在从感染阶段向愈合阶段过渡期间无法实现最佳治疗适应。

在这项最新研究中，研究团队开发了一种闭环自适应系统，该系统将基于机器学习的决策与再生生物电子学相结合。与传统的静态方法不同，该系统具有三个核心功能：1）监测伤口状态变化；2）利用强化学习算法动态优化治疗参数；3）通过电刺激从液态金属复合材料中调节释放镓离子（Ga3+）。在感染初期，高电流脉冲（4 毫安）迅速释放镓离子，以实现广谱抗菌效果。随着愈合过程的推进，人工智能（AI）控制器会自动将刺激强度降低至 0-2 毫安，以促进组织再生。研究结果证明，与标准疗法相比，这种方法能更快地完成伤口的治疗，同时显著减少抗生素的使用。这种智能反馈系统为克服伤口脓液屏障和优化复杂伤口管理中的治疗效果提供了一种创新的数据驱动解决方案。

最后，研究团队表示，该研究开创了生物电子学-AI-再生的新范式，不仅提高了伤口愈合效果，还降低了约 30% 的成本。其自动扫描-治疗-监测系统能够将临床就诊频率从每周一次降至每月一次。从长远来看，这项技术有望彻底改变家庭智能伤口护理模式，其框架还可扩展用于治疗糖尿病足溃疡以及烧伤等复杂伤口，甚至为神经和心肌等组织再生领域提供新的研究范式，具有广泛的临床应用前景和显著的社会效益。

论文链接：

https://www.cell.com/molecular-cell/abstract/S1097-2765(25)00656-2