Ein riesiger Fortschritt in der drahtlosen Ultraschallüberwachung für sich bewegende Personen

Ein Team von Ingenieuren an der University of California in San Diego hat das erste vollständig integrierte tragbare Ultraschallsystem für die Tiefengewebeüberwachung entwickelt, auch für Probanden unterwegs. Es ermöglicht eine möglicherweise lebensrettende kardiovaskuläre Überwachung und stellt einen großen Durchbruch für eines der weltweit führenden tragbaren Ultraschalllabore dar. Der Artikel „Ein vollständig integriertes tragbares Ultraschallsystem zur Überwachung tiefer Gewebe bei sich bewegenden Probanden“ wird in der Ausgabe von Nature Biotechnology vom 22. Mai 2023 veröffentlicht.

„Dieses Projekt bietet eine Komplettlösung für die tragbare Ultraschalltechnologie – nicht nur der tragbare Sensor, sondern auch die Steuerelektronik werden in tragbaren Formfaktoren hergestellt“, sagte Muyang Lin, Ph.D. Kandidat in der Abteilung für Nanoengineering an der UC San Diego und Erstautor der Studie. „Wir haben ein wirklich tragbares Gerät entwickelt, das die Vitalfunktionen des tiefen Gewebes drahtlos erfassen kann.“

Ein tragbares Ultraschall-System-on-Patch für die Tiefengewebeüberwachung. Foto von Muyang Lin für die Jacobs School of Engineering an der UC San Diego. Galerie in Originalgröße.

Die Forschung geht aus dem Labor von Sheng Xu hervor, Professor für Nanotechnik an der UC San Diego Jacobs School of Engineering und korrespondierender Autor der Studie.

Dieses vollständig integrierte autonome tragbare Ultraschall-System-on-Patch (USoP) baut auf der früheren Arbeit des Labors im Bereich des Designs weicher Ultraschallsensoren auf. Bisherige Soft-Ultraschall-Sensoren benötigen jedoch alle Haltekabel zur Daten- und Stromübertragung, was die Mobilität des Benutzers stark einschränkt. In dieser Arbeit umfasst es einen kleinen, flexiblen Steuerkreis, der mit einem Ultraschallwandler-Array kommuniziert, um Daten drahtlos zu sammeln und zu übertragen. Eine maschinelle Lernkomponente hilft dabei, die Daten zu interpretieren und sich bewegende Objekte zu verfolgen.

Den Erkenntnissen des Labors zufolge ermöglicht das Ultraschall-System-on-Patch die kontinuierliche Verfolgung physiologischer Signale aus Geweben mit einer Tiefe von bis zu 164 mm und misst kontinuierlich den zentralen Blutdruck, die Herzfrequenz, das Herzzeitvolumen und andere physiologische Signale bis zu zwölf Stunden lang Zeit.

„Diese Technologie hat großes Potenzial, Leben zu retten und zu verbessern“, sagte Lin. „Der Sensor kann die Herz-Kreislauf-Funktion in Bewegung bewerten. Abnormale Werte des Blutdrucks und des Herzzeitvolumens in Ruhe oder unter Belastung sind Anzeichen einer Herzinsuffizienz. Bei gesunden Bevölkerungsgruppen kann unser Gerät die kardiovaskulären Reaktionen auf körperliche Betätigung in Echtzeit messen und so Einblicke in die tatsächliche Trainingsintensität jeder Person liefern, die als Leitfaden für die Formulierung personalisierter Trainingspläne dienen können.“

Das Ultraschall-System-on-Patch stellt auch einen Durchbruch in der Entwicklung des Internet of Medical Things (IoMT) dar, einem Begriff für ein Netzwerk medizinischer Geräte, die mit dem Internet verbunden sind und physiologische Signale drahtlos in die Cloud zur Berechnung, Analyse und für professionelle Zwecke übertragen Diagnose.

Dank des technologischen Fortschritts und der harten Arbeit von Klinikern in den letzten Jahrzehnten erfährt Ultraschall eine anhaltende Welle des Interesses, und das Xu-Labor wird oft im ersten Atemzug als früher und dauerhafter Marktführer auf diesem Gebiet erwähnt, insbesondere im Bereich tragbarer Ultraschall . Das Labor nutzte stationäre und tragbare Geräte und machte sie dehnbar und tragbar, was zu einem Wandel in der gesamten Gesundheitsüberwachung führte. Seine Stärke beruht zum Teil auf der engen Zusammenarbeit mit Klinikern. „Obwohl wir Ingenieure sind, kennen wir die medizinischen Probleme, mit denen Kliniker konfrontiert sind“, sagte Lin. „Wir pflegen eine enge Beziehung zu unseren klinischen Kooperationspartnern und erhalten stets wertvolles Feedback von ihnen. Diese neue tragbare Ultraschalltechnologie ist eine einzigartige Lösung, um viele Herausforderungen bei der Überwachung von Vitalfunktionen in der klinischen Praxis zu bewältigen.“

Bei der Entwicklung seiner neuesten Innovation stellte das Team überrascht fest, dass es über mehr Fähigkeiten verfügte als ursprünglich erwartet.

„Ganz zu Beginn dieses Projekts hatten wir das Ziel, einen drahtlosen Blutdrucksensor zu bauen“, sagte Lin. „Später, als wir den Schaltkreis erstellten, den Algorithmus entwarfen und klinische Erkenntnisse sammelten, kamen wir zu dem Schluss, dass dieses System weit mehr kritische physiologische Parameter als den Blutdruck messen kann, wie zum Beispiel Herzzeitvolumen, Arteriensteifheit, Exspirationsvolumen und mehr Dies sind wesentliche Parameter für die tägliche Gesundheitsversorgung oder die Überwachung im Krankenhaus.“

Darüber hinaus kommt es bei Bewegung des Subjekts zu einer Relativbewegung zwischen dem tragbaren Ultraschallsensor und dem Gewebeziel, was eine häufige manuelle Neueinstellung des tragbaren Ultraschallsensors erfordert, um das sich bewegende Ziel im Auge zu behalten. In dieser Arbeit entwickelte das Team einen Algorithmus für maschinelles Lernen, um die empfangenen Signale automatisch zu analysieren und den am besten geeigneten Kanal auszuwählen, um das sich bewegende Ziel zu verfolgen.

Wenn der Algorithmus jedoch anhand der Daten eines Probanden trainiert wird, ist dieses Lernen möglicherweise nicht auf andere Probanden übertragbar, wodurch die Ergebnisse inkonsistent und unzuverlässig werden.

„Wir haben die Verallgemeinerung des maschinellen Lernmodells schließlich durch die Anwendung eines fortschrittlichen Anpassungsalgorithmus zum Laufen gebracht“, sagte Ziyang Zhang, Masterstudent am Department of Computer Science and Engineering der UC San Diego und Co-Erstautor des Artikels. „Dieser Algorithmus kann die Domänenverteilungsunterschiede zwischen verschiedenen Subjekten automatisch minimieren, was bedeutet, dass die maschinelle Intelligenz von Subjekt zu Subjekt übertragen werden kann.“ Wir können den Algorithmus auf ein Thema trainieren und ihn mit minimalem Umschulungsaufwand auf viele andere neue Themen anwenden.“

In Zukunft wird der Sensor an größeren Bevölkerungsgruppen getestet. „Bisher haben wir die Geräteleistung nur an einer kleinen, aber vielfältigen Population validiert“, sagte Xiaoxiang Gao, Postdoktorandin am Department of Nanoengineering der UC San Diego und Co-Erstautorin der Studie. „Da wir uns dieses Gerät als die nächste Generation von Geräten zur Tiefengewebeüberwachung vorstellen, sind klinische Studien unser nächster Schritt.“

Xu ist Mitbegründer von Softsonics, LLC, das die Technologie kommerzialisieren will.

Papier: „Ein vollständig integriertes tragbares Ultraschallsystem zur Überwachung tiefer Gewebe bei sich bewegenden Objekten.“ Zu den Mitautoren gehören Muyang Lin*, Department of NanoEngineering, UC San Diego; Ziyang Zhang*, Fakultät für Informatik und Ingenieurwesen, UC San Diego; Xiaoxiang Gao*, Yizhou Bian, Ray S. Wu, Geonho Park, und Zhiyuan Lou, Department of NanoEngineering, UC San Diego; Zhuorui Zhang, Fakultät für Maschinenbau, Massachusetts Institute of Technology; Xiangchen Xu, Abteilung für Nanoengineering, UC San Diego; Xiangjun Chen, Materialwissenschafts- und Ingenieurprogramm, UC San Diego; Andrea Kang, Fakultät für Elektrotechnik und Informationstechnik, UC San Diego; Xinyi Yang, Materialwissenschafts- und Ingenieurprogramm, UC San Diego; Wentong Yu und Lu Yin, Abteilung für NanoEngineering, UC San Diego; Chonghe Wang, Fakultät für Maschinenbau, Massachusetts Institute of Technology; Baiyan Qi und Sai Zhou, Materialwissenschafts- und Ingenieurprogramm, UC San Diego; Hongjie Hu und Hao Huang, Abteilung für NanoEngineering, UC San Diego; Mohan Li, Fakultät für Elektrotechnik und Informationstechnik, UC San Diego; Yue Gu, Materialwissenschafts- und Ingenieurprogramm, UC San Diego, und Abteilung für Neurochirurgie, Yale University; Jing Mu, Materialwissenschafts- und Ingenieurprogramm, UC San Diego; Albert Yang, Abteilung für Bioingenieurwesen, UC San Diego; Amer Yaghi und Yimu Chen, Abteilung für NanoEngineering, UC San Diego; Yusheng Lei, Department of NanoEngineering, UC San Diego, und Department of Chemical Engineering, Stanford University; Chengchangfeng Lu, Fakultät für Elektrotechnik und Informationstechnik, UC San Diego; Ruotao Wang und Joseph Wang, Abteilung für Nanoengineering, UC San Diego; Shu Xiang, Softsonics LLC, San Diego; Erik B. Kistler, Abteilung für Bioingenieurwesen und Abteilung für Anästhesiologie und Intensivmedizin, UC San Diego; Nuno Vasconcelos, Fakultät für Elektrotechnik und Informationstechnik, UC San Diego; und Sheng Xu**, Department of Nanoengineering, Department of Electrical and Computer Engineering, Materials Science and Engineering Program und Department of Bioengineering, UC San Diego; Abteilung für Radiologie, School of Medicine, UC San Diego; und Softsonics, Inc.

*Diese Autoren haben gleichermaßen beigetragen.

**Korrespondierender Autor

Diese Forschung wurde teilweise vom Air Force Research Laboratory (AFRL) unter der Vereinbarungsnummer FA8650-18-2-5402 und den National Institutes of Health (NIH) (Zuschuss Nr. 1 R01 EB033464-01) unterstützt.

Bleiben Sie über das Neueste von der UC San Diego auf dem Laufenden. Abonnieren Sie noch heute den Newsletter.

Sie haben sich erfolgreich für den UC San Diego Today Newsletter angemeldet.