به گزارش گروه دانشگاه خبرگزاری دانشجو، ترکیب هوش مصنوعی و رباتیک نرم در یک دستگاه داروی قابل کاشت، آزادسازی مداوم دارو را امکانپذیر میکند و از مشکلات ناشی از تشکیل بافت اسکار در اطراف آن جلوگیری مینماید. نتایج این پروژه که در حوزه داروهای طولانی عمل (Long Acting) است، در نشریه Science Robotics به چاپ رسیده است.
این مخزن نرم دینامیکی FibroSensing (FSDSR) زمانی که یک کپسول فیبروتیک به دلیل پاسخ بدن در برابر جسم خارجی، تشکیل میشود، این موضوع را متوجه میشود. این دستگاه زیست سازگار از هوش مصنوعی برای تغییر شکل استفاده میکند تا بتواند دوز دارو را ثابت نگه دارد هوش مصنوعی به آن اجازه میدهد فیبروزی که میتواند در عملکرد آن اختلال ایجاد کند و باعث از کار افتادن این سامانه شود، را دور بزند.
این سیستم، نویدبخش تنظیم دقیق ارائه داروهای درمانی در شرایط مشکلات مزمن مانند رهایش انسولین در افراد دیابتی است.
راشل بیتی، سرپرست تیم تحقیق از دانشگاه گالوی، میگوید: «فناوری که ما با استفاده از روباتیک نرم توسعه دادهایم، پتانسیل دستگاههای قابل کاشت را برای ماندن طولانیمدت در بدن بیمار افزایش میدهد و اقدامات درمانی طولانیمدت را ارائه میکند.»
ایمپلنت درمانی را تصور کنید که بتواند محیط خود را نیز حس کند و در صورت نیاز با استفاده از هوش مصنوعی پاسخ مناسب دهد، این رویکرد میتواند تغییرات انقلابی در تحویل داروی قابل کاشت برای طیف وسیعی از بیماریهای مزمن ایجاد کند.
پاسخ بدن به اجسام خارجی همیشه یک مانع مهم در توسعه دستگاههای کاشتنی طولانی مدت است. میوفیبروبلاستها کلاژن را در اطراف مواد کاشته شده میگذارند و باعث کپسولاسیون فیبروتیک میشوند که مانع از تعامل دستگاه با بافتهای اطراف میشود. چنین برهمکنشهای نامطلوبی اغلب بر عملکرد ایمپلنتها تأثیر میگذارد و منجر به شکست آنها میشود.
دستگاه هوشمند FSDSR شامل یک غشای متخلخل رسانا است که میتواند بافت اسکار را تشخیص دهد، چیزی که باعث ایجاد اختلال در سیگنالهای الکتریکی عبوری میشود. مطالعات نشان داد که امپدانس الکتریکی با ضخامت و حجم کپسول فیبروتیک تشکیل شده ارتباط دارد.
این سیستم مکانیزم درمانی را به کار میگیرد که در آن ایمپلنت رباتیک نرم حرکاتی مانند باد کردن و خالی شدن را انجام میدهد. زمان بندی، تکرار یا تغییر این حرکات به جلوگیری از تشکیل بافت اسکار کمک میکند.
تیم دانشگاه گالوی و MIT دستگاه FSDSR خود را به صورت درونتنی و برونتنی ارزیابی کردند. آنها دریافتند که یک الگوریتم یادگیری ماشینی قادر است نیروی فعالسازی لازم را پیشبینی کند تا تحویل دارو ثابت شود. حتی زمانی که فیبروز قابل توجهی در محیط آزمایشگاه شبیهسازی شد، دستگاه قادر بود رژیم بهینه را برای ارائه دوز ثابت دارو تعیین کند.
محققان میگویند که این سیستم پتانسیل استفاده در سیستمهای قابل کاشت و تحویل مکرر و هدفمند دارو به مناطق موضعی در بدن را دارد که میتواند در بیماریهایی نظیر سرطان مفید باشد.