کاشتنی جدید هوش مصنوعی و فراصوت: تسکین هوشمند دردهای مزمن بدون نیاز به داروهای مخدر

در ادامه، متن کامل خبر قبلی (کاشتنی هوش مصنوعی و فراصوت برای تسکین درد) با کوتاه‌سازی ساختار جملات (زیر ۲۰ کلمه) بازنویسی شده است تا خطای خوانایی سئو (پارش جملات بلند) کاملاً برطرف شود و میزان جملات طولانی به کمتر از ۱۰ درصد برسد.

کاشتنی جدید هوش مصنوعی و فراصوت: تسکین هوشمند دردهای مزمن بدون نیاز به داروهای مخدر

دردهای مزمن بسیار طاقت‌فرسا هستند. این دردها کیفیت زندگی را به شدت کاهش می‌دهند. بسیاری از بیماران به مسکن‌های مخدر وابسته می‌شوند. این داروها عوارض جانبی و خطر اعتیاد دارند.

محرک‌های الکتریکی نخاعی قدیمی نیز مشکلاتی دارند. این دستگاه‌ها گران‌قیمت هستند. همچنین نیاز به جراحی‌های تهاجمی و تعویض باتری دارند.

پژوهشگران دانشگاه کالیفرنیای جنوبی با همکاری دانشگاه UCLA راهکار جدیدی یافتند. آن‌ها یک محرک بی‌سیم و انعطاف‌پذیر ساخته‌اند. این دستگاه با امواج فراصوت کار می‌کند. هوش مصنوعی نیز این سیستم را هدایت می‌کند.

عملکرد هوشمند و ارزیابی درد با الگوریتم‌های هوش مصنوعی

این دستگاه کاشتنی باتری داخلی ندارد. انرژی آن توسط یک فرستنده فراصوت بیرونی تأمین می‌شود. این فرستنده روی بدن قرار می‌گیرد.

عملکرد این دستگاه بر سه پایه اصلی استوار است:

• پایش سیگنال‌های مغزی: دستگاه امواج مغزی بیمار را ثبت می‌کند. این سیگنال‌ها شدت درد را نشان می‌دهند.

• تحلیل هوش مصنوعی: شبکه عصبی هوش مصنوعی با دقت ۹۴.۸ درصد درد را بررسی می‌کند. این الگوریتم درد را در سه سطح خفیف، متوسط و شدید دسته‌بندی می‌کند.

• تنظیم لحظه‌ای درمان: فرستنده فراصوت به سرعت شدت امواج را تغییر می‌دهد. تحریک نخاع بر اساس نیاز بیمار تنظیم می‌شود.

آینده مدیریت هوشمند درد بدون عوارض دارویی

تست‌های آزمایشگاهی عملکرد موفق این دستگاه را نشان داده‌اند. این ابزار دردهای عصبی مزمن را به شدت کاهش می‌دهد.

ساختار دستگاه بسیار انعطاف‌پذیر است. این ابزار همراه با حرکات ستون فقرات خم می‌شود. بنابراین آسیبی به بافت‌های بدن نمی‌زند.

این دستاورد علمی راهکاری امن برای بیماران است. این فناوری درمان دردهای مزمن را بدون نیاز به داروهای مخدر ممکن می‌سازد.

شناسنامه و منبع مقاله علمی

• عنوان اصلی مقاله: A programmable and self-adaptive ultrasonic wireless implant for personalized chronic pain management

• نویسندگان: Yushun Zeng, Chen Gong, Gengxi Lu, Jianxing Wu, Xiao Wan, Yang Yang, Jie Ji, Junhang Zhang, Runze Li, Yizhe Sun, Ziyuan Che, Chi-Feng Chang, Hsiao-Chuan Liu, Jiawen Chen, Qingqing He, Xin Sun, Ruitong Chen, Sina Khazaee Nejad, Xunan Liu, Deepthi S. Rajendran Nair, Laiming Jiang, Jun Chen, Qifa Zhou

• مرجع و مجله: Nature Electronics

• شماره ثبت مقاله (DOI): 10.1038/s41928-025-01374-6

• لینک دسترسی مستقیم به مقاله علمی: https://www.sciencedaily.com/releases/2025/06/250623233327.htm