交通事故、自然灾害和战争造成的伤口通常涉及多种组织，这些组织形态复杂且机械性能各异。此类损伤对传统的伤口处理方法（例如止血海绵、缝合线和订书机）构成了巨大挑战，因为这些方法往往难以有效应对复杂的多组织损伤，或耗时过长，从而影响急救效果。这凸显了开发先进伤口封闭技术的迫切需求。
2026 年 6 月 11 日，华南理工大学施雪涛教授、西安交通大学徐峰教授、中日友好医院闫圣涛主任医师、华南理工大学陈云华副研究员作为共同通讯作者，在 Nature 子刊 Nature Biomedical Engineering 上发表了题为：Machine learning-guided design of mechanoadaptive bioglues for multitissue trauma and first-aid applications 的研究论文。
该研究通过机器学习指导，理性设计了机械自适应生物胶——TuneGlue，用于多组织创伤及急救应用。
![]()
![]()
处理涉及多种损伤类型的伤口，尤其具有挑战性，因为其形态复杂且受累生物组织的机械性能各异。
在这项最新研究中，研究团队报告了一种机器学习（Machine learning，ML）指导的理性设计方法开发出的生物胶，研究团队将其称为 TuneGlue，该生物胶具有针对多组织创伤定制的机械适应性。
机器学习指导的生物胶理性设计，用于多组织创伤急救
通过利用机器学习，研究团队建立了 TuneGlue 与不同组织之间面向任务的关系，从而实现对特定目标的精准优化。针对肺部、肠道、皮肤和骨损伤开发并测试的四种代表性 TuneGlue，展现出了优异的粘附性能和术后愈合效果。此外，研究团队将从机器学习模型中获得的综合机械数据库集成到定制急救装置中，该急救装置能够将优化后的 TuneGlue 快速递送至目标组织。该系统显著缩短了伤口处理时间，并改善了开放手术中多组织创伤的治疗效果。
总的来说，该研究将机器学习指导的 TuneGlue 设计与急救递送装置相结合，为紧急救护提供了一种变革性策略，推动了多组织创伤治疗与组织工程领域的发展。
论文链接：
https://www.nature.com/articles/s41551-026-01705-8
为促进前沿研究的传播和交流，我们组建了多个专业交流群，长按下方二维码，即可添加小编微信进群，由于申请人数较多，添加微信时请备注：学校/专业/姓名，如果是PI/
教授，还请注明。
