近日，发表于《自然·生物医学工程》（Nature Biomedical Engineering）中题为Machine learning-guided design of mechanoadaptive bioglues for multitissue trauma and first-aid applications（机器学习引导的勺机械自适应生物胶设计，用于多组织创伤及急救应用）的一项突破性研究，由华南理工大学施雪涛教授、陈云华教授，西安交通大学徐峰教授以及中日友好医院闫圣涛教授等人联合带领的科研团队共同完成。
将机器学习（Machine Learning, ML）引入生物材料设计，开发出了一系列名为TuneGlues的力学自适应生物胶。更为震撼的是，该团队将AI生成的庞大材料数据库浓缩于一枚控制芯片中，打造出了一款便携式急救设备。在随后的复杂动物实验中，该设备实现了对胸部、腹部及肢体多组织创伤的精准、快速“一站式”缝合。这标志着生物材料的设计范式正在从传统的“经验试错”向“数据驱动的确定性设计”发生深刻的范式转移。
创伤急救的世纪难题与AI理性设计
理想的多组织创伤生物胶必须具备双重核心功能：第一，在湿润的生理环境、活跃性出血或外部应力下，依然保持强劲的界面粘附力；第二，具备快速的机械适应性，能够无缝拟合不同靶组织的断裂强度、弹性模量和形变率。过往的临床实践证明，试图通过简单的物理共混来兼顾这两种特性往往以失败告终，因为不同化学成分之间存在固有的不相容性。
为了打破这一僵局，研究团队跳出了寻找“完美单一配方”的传统思路，提出了一种“任务导向”（Task-oriented）的理性设计框架。他们巧妙地将聚氨酯（Polyurethane, PU）作为基底材料。聚氨酯在FDA批准的敷料和组织胶中已有成熟的临床应用历史，更重要的是，其分子架构具有极高的可调性。PU材料固有的异氰酸酯基团（-NCO）能够与生物组织表面的氨基（-NH2）和羟基（-OH）形成稳定的共价键，同时通过氨基甲酸酯/脲基元提供氢键作用，从而确保牢固的组织粘附。
该团队建立了一套包含多种软硬模块的预聚物与交联剂“武器库”。然而，在面对肺脏、肝脏、骨骼等力学特性千差万别的靶标组织时，如何在极短的时间内、于成千上万种配方组合中找到最优解？研究团队史无前例地引入了人工智能作为“领航员”。通过对生物胶配方与组织特性之间的相互作用进行大数据分析，机器学习模型能够精准地为特定创伤组织计算出最佳的化学配方比例。
从极柔到极刚：高分子“积木”与机器学习引擎
为了实现广泛的力学可调性，研究团队首先合成了四种具有不同分子链柔顺性的聚氨酯预聚物（分别为柔软的SP1、SP2和刚性的HP1、HP2），以及两种氨基酸仿生交联剂（柔性SC和刚性HC）。当由定制的双腔注射器共挤出时，预聚物的-NCO基团与交联剂的-NH-基团迅速反应，形成脲键网络，并在24至48秒内完成初步固化。这种极快的固化速度显著优于传统的商业PU生物胶。
通过对这些前体材料的比例进行排列组合，TuneGlues展现出了跨度极大的力学谱系，完美覆盖了软组织与硬组织的机械属性。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
真正让这套材料系统发生质变的，是其背后的机器学习引擎。研究人员首先构建了一个包含72种TuneGlue配方及其对应力学性能（模量、强度、形变）的实验数据集。数据集按85:15的比例划分为训练集和测试集，并运用了5折交叉验证。他们对比了包括神经网络（NN）、随机森林回归（RFR）、XGBoost、支持向量回归（SVR）在内的多种前沿算法。
结果显示，机器学习方法全面碾压了传统的多项式回归。其中，随机森林回归（RFR）在预测弹性模量方面表现最优（测试集均值 R² = 0.968）；而包含16-8-8和32-18-8隐藏层架构的深度神经网络（NN），在预测强度和形变能力上夺冠（R²分别达到0.858和0.806）。为了确保模型的可解释性与鲁棒性，研究人员还进行了SHAP（SHapley Additive exPlanations）分析和特征消融研究。
基于这些最优模型，团队通过联合抽样10万组虚拟配方，生成了一个庞大的数据库。在实际应用中，用户只需输入目标靶标组织的机械属性参数，系统便能通过逆向欧几里得搜索，即刻输出最匹配的预聚物与交联剂混合比例。这种将高通量材料表征与AI深度融合的范式，彻底改变了依赖人工经验设计的传统路径。
单点突破：针对四大典型组织的精准修复
为了验证AI设计的配方在真实生理环境下的表现，研究团队选取了四种力学与生理微环境差异极大的代表性组织——肺脏、肠道、皮肤和骨骼，在巴马香猪和山羊模型中展开了严格的体内评价。
1.肺部组织修复（TuneGlue_lung）：肺部处于持续的充气膨胀和排气收缩之中，对胶体的顺应性要求极高。AI匹配的软胶配方（SP1+SC）在猪肺漏气模型中展现出了约19 kPa的爆破压力，在1000次模拟呼吸循环（0-6 kPa）下保持稳定，远超PEG基的商业密封剂Progel和Coseal。X光CT扫描证实，涂有商业Coseal的对照组术后出现了明显的空气积聚（气胸），而TuneGlue处理组则实现了完美密封，并在21天后实现了纤维组织的无缝整合，几乎无长期炎症。
2.肠道吻合与防粘连（TuneGlue_intestine）：肠道吻合口漏是腹部外科极其致命的并发症，且极易引发术后肠粘连。定制的肠道胶配方展现出了约68 kPa的搭接剪切附着力。活体实验中，使用传统缝合线的对照组在术后21天出现了严重的肠粘连和纤维组织紊乱，而TuneGlue_intestine组不仅滴水不漏，且展现出了绝佳的防粘连效果（Anti-adhesion），肠壁恢复了有序的结构。
3.皮肤无痕愈合（TuneGlue_skin）：相比于市售的具有强细胞毒性和脆性的α-氰基丙烯酸酯医用胶（传统502胶水的主要成分），针对皮肤优化的TuneGlue展现出了更优秀的抗疲劳性。猪背部切口活体实验证明，TuneGlue显著减轻了局部炎症反应，并大幅减少了术后疤痕的形成。
4.硬骨连接与重建（TuneGlue_bone）：将凝胶用于承重骨修复是极具挑战性的。然而，通过混合高比例刚性材料（50% HP1, 50% HP2, 100% HC）得到的骨胶配方，其抗弯曲粘附强度达到了2.5 MPa，是目前骨科标杆产品PMMA骨水泥的2.5倍。在山羊胫骨节段性缺损模型中，使用该骨胶的山羊在术后第2天即可站立，第7天完全恢复行走能力。长达90天的影像学追踪显示，骨水泥组因应力遮挡和粘附不足出现了严重的骨不连（Malunion）和病理性骨质增生，而TuneGlue组则诱导了健康、有序的新生松质骨重塑。
此外，该材料在极端湿态与动态环境下的表现同样令人瞩目。在血液流速高达5 ml/min的活跃性大鼠及猪肝脏出血模型中，TuneGlue在无任何人工物理压迫的情况下，于49至74秒内即可实现稳固的止血封闭，充分证明了其应对静脉及实质性脏器大出血的能力。
软硬一体化：便携式AI急救终端的诞生
如果说高度适配的材料本身是“弹药”，那么能够将其精准送达战场的“武器系统”同样关键。面对瞬息万变的复杂创伤现场，急救人员不可能在病床旁临时搭建化学实验室去称量配比。为此，研究团队将软件算法与硬件工程结合，开发了一款集成了AI大数据的便携式手持急救终端。
该设备外部为3D打印封装，内部集成了包含6个独立通道的储液腔和高精度线性电动推杆，分别装载四种预聚物和两种交联剂。其核心是一块内嵌了ML前期训练大数据库的控制芯片。在实际操作中，医生只需在通过蓝牙连接的智能手机App上选择对应的受损器官（设备预设了肺、肝、肠、皮肤、肌肉、骨骼等十余种模式），控制芯片便会瞬间调配各个推杆的推进速率。这使得六种基础材料能够在前端的一次性混合吸头处，以AI计算出的极致精度自动共挤出，并在极短时间内固化成与靶标组织力学完美匹配的TuneGlue。
与死神赛跑：多组织协同创伤手术的降维打击
创伤手术的风险往往与手术时间呈指数级正相关——过长的暴露和缝合时间会导致致命的失血、感染以及麻醉并发症。在极具挑战性的大型活体多组织创伤模型中，该急救终端展现出了降维打击般的优势。
在构建的“胸腔多组织创伤”模型中（包含肺叶深达2mm的漏气切口、肋骨完全离断、以及长达20cm的肌肉和皮肤全层切口），急救人员无需频繁更换缝合线型号或骨板，而是依次在App上切换设备的“肺模式”、“骨骼模式”、“肌肉模式”和“皮肤模式”，有条不紊且连续地完成了肺泡密封、断骨原位对接以及长切口闭合。
在涉及肝脏大出血、肠道穿孔的“腹腔多组织创伤”中，该设备在“肝脏模式”下直接将原本超过6分钟的止血时间缩短至仅约30秒。同样，在包含胫骨骨折及肌肉撕裂的“肢体创伤”模型中，这种一站式设备均表现出了完美的操作连续性。
最令人震撼的宏观数据在于时间效率的革命：传统的缝合修复技术在面对此类多重并发伤害时，往往需要耗费大量时间进行繁琐的操作；而采用这套AI智能终端，复杂的胸部、腹部及肢体协同手术时间被急剧压缩至10到15分钟。在与死神赛跑的急诊室或资源极度匮乏的灾害救援前线，这省下的数十分钟足以扭转千万名重创患者的生死局势。
横向视界：全球生物医用粘合剂的创新版图与商业角逐
放眼全球医疗器械赛道，生物医用粘合剂（Biosurgery）市场正处于前所未有的爆发期。据行业权威分析机构估算，全球生物手术市场在2025年规模已达152亿美元，并预计在2035年将攀升至293亿美元，复合年增长率达6.8%。其底层驱动力正是人口老龄化背景下，对微创手术（MIS）、自然止血和组织再生日益增长的巨大临床需求。
然而，高昂的研发成本、严苛的生物相容性要求以及不同组织界面的复杂微环境，始终是横亘在产业化道路上的高墙。在此背景下，TuneGlues代表了一股不可忽视的技术暗流。为了更清晰地评估该项研究的行业占位，我们可以将其置于全球创新生态中与几项代表性前沿成果进行深度对标：
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
从横向对比可以看出，TissuGlu的临床痛点恰恰凸显了TuneGlues“力学自适应”的战略价值。固定的化学配方无法适应不同病患切口处的剪切力和形变需求，导致微观界面剥离；而TuneGlues通过AI实时调配模量和柔韧性，从本质上解决了因力学不匹配导致的疲劳开裂问题，极大降低了术后渗出和炎症的风险。
此外，值得一提的是，TuneGlues的第一通讯作者施雪涛教授团队在仿生材料和组织工程领域底蕴深厚。此前，该团队联合王迎军院士及哥伦比亚大学梁锦荣院士，在《Nature Biomedical Engineering》(2025) 上发表了3D打印血管化仿生人工海绵体的重磅研究，成功在猪模型中恢复了受损生殖器的自发勃起与繁育功能。而MIT的赵选贺（Xuanhe Zhao）团队此前受藤壶启发开发了能够无视血液封闭动脉的糊状胶，以及用于糖尿病创面收缩的机械活性凝胶（MAGENTA）。这些底层技术的交汇表明，生物医用材料正在从单纯的“物理封闭”向“机械生物学（Mechanobiology）主动调控”迈进。
走向临床的技术边界与未来展望
目前，机器学习在医疗保健中的商业落地主要集中在放射影像辅助、医疗问答（如MATTRL多智能体会诊模型）和疾病表型筛查。但TuneGlues及其配套手持终端的出现，开启了“AI引导外科决策支持系统”（AI-Guided Surgical Decision Support）向介入耗材实体本身延伸的新纪元。
在未来的手术室中，我们可以预见这样一种场景：类似TuneGlues的动态配料模块将直接作为达芬奇手术机器人或腔镜机械臂的“微型化墨盒”系统。结合计算机视觉，机器人在缝合前能实时扫描评估伤口的深度、组织张力和出血量，瞬间喷吐出力学完美适配的生物胶，实现高度自动化、无创化的创伤闭合。
当然，从顶级学术期刊走向真实的临床红海，该技术仍需跨越一系列现实障碍。首先，虽然猪和羊模型在解剖学上高度逼真，但人类患者往往伴随糖尿病、凝血功能障碍等复杂合并症，这些都会深刻改变伤口的愈合动力学。其次，当前的AI模型依赖于静态数据集，尚未能够将伤口表面的实时水分、炎症程度等动态生理变量纳入参数闭环。
从监管角度来看，虽然其底层的聚氨酯化学具有FDA批准的临床先例，但医疗器械监管机构（如FDA或NMPA）对于这种“包含AI实时合成混合物”的组合产品（Combination Product）尚未建立成熟的审查框架。即便如此，研究团队透露，组成TuneGlues的前体组分目前已开始在符合GMP（良好生产规范）的设施中进行规模化生产测试。加速老化试验表明，在适当的密封包装下，材料不仅能在室温下稳定存储长达一年，且在体内展现出了高度可控的降解曲线（软胶3个月降解，硬胶长期维持支撑）。
在这个技术大爆炸的时代，未来的医学突破将不再是单点性能的孤立爆发，而是算力、能源、工程学与生命科学的系统性融合。TuneGlues的诞生，绝不仅仅是在实验室里多出了一种新型粘合剂，它向整个医学界宣告了一种全新理念的落地：医疗耗材应当屈从并主动适应组织的力学本能，而不是让脆弱的器官去承受僵硬工具的二次创伤。 这场由AI算法与高分子化学共同谱写的创伤急救革命，才刚刚拉开序幕。
参考资料
Xuan, C., Jia, Y., Chai, M. et al. Machine learning-guided design of mechanoadaptive bioglues for multitissue trauma and first-aid applications. Nat. Biomed. Eng (2026). https://doi.org/10.1038/s41551-026-01705-8
审核 | 医工学人理事会
