Loading...
AI/按领域开发中
WoundScan AI
量化整形手术伤口治疗的AI
我们使用计算机视觉评估和管理伤口，并量化血小板衍生再生医学的治疗结果。该结构继续加强而不是取代医务人员。
WoundScan AI
WoundScan AI目前正处于工业界和学术界联合开发阶段（于2026年6月推出）。
问题
仍定性记录伤口进展情况
仅使用照片和笔记很难一致地比较或量化治疗结果。
主观进度判断
伤口是否好转取决于医护人员的个人经验和当天的目视判断。即使是同一伤口，根据治疗伤口的医务人员、视点和照明的不同，评估也会有所不同，因此不仅在机构之间而且在单个患者的时间过程中难以保持一致的标准。这种变异性会导致在需要重新调整治疗时延迟检测的临床风险。
非标准化测量
面积、深度、愈合阶段等关键指标的客观换算标准尚未建立。基于尺子和眼球来积累和比较测量结果是很困难的，而且进展也不会保留，因为数据不能用于下一个患者的决策。没有定量指标，就没有基于证据的治疗方案改进的基础。
再生医学结果的证明
再生医学治疗，包括血小板衍生成分，已用于临床实践，但缺乏量化和用数据证明其有效性的系统。如果治疗前后的变化不能转化为客观指标，就很难令人信服地呈现再生医学新标准的价值。 WoundScan AI 旨在填补这一证明空白。
方法
利用计算机视觉读取伤口的AI
我们将 DermatoScan AI 验证的特定领域 AI 模式扩展到整形手术伤口领域。
01
基于计算机视觉的伤口评估
使用计算机视觉分析伤口图像，以使用一致的算法而不是人眼来评估和跟踪进度指标，例如面积和愈合阶段。由于所有成像均采用相同的标准，因此不仅会随着时间的推移积累同一患者的可比较数据，而且还会在不同机构和医务人员之间积累可比较的数据。医务人员参考这些定量结果作为决策依据，但最终的决定仍然是医务人员做出的。
02
量化再生医学结果
将血小板衍生成分再生医学治疗前后的变化转化为定量指标，使治疗结果能够用数据而不是直觉来证明。当愈合速度和伤口面积变化等客观指标积累起来时，就可以根据证据确定哪种治疗方法对哪种伤口有效。这是将再生医学从研究转向常规临床实践所需的测量基础设施。
03
与水平基础设施相结合
WoundScan AI 不是一个单一的独立应用程序，而是一个特定领域的 AI，它建立在所有部门的共同基础上，包括 Dockie-talkie 实时解释和 Clinical Copilot 临床协助。由于伤口评估结果与解释和辅助层具有相同的基础，因此它们创造的综合价值是单学科AI难以复制的。这种两层结构是贯穿整个 AetherHeal Global 平台的设计原则。
产学合作
产学联合开发建立临床信任
我们根据临床整形外科和再生医学专业知识共同开发它。
产学研联合开发伙伴
Ha Won，蔚山大学整形外科教授
我们于 2026 年 6 月与 PL Therapeutics 首席执行官 Ha Won 教授开始产学界联合开发 WoundScan AI。产学研联合开发不是简单的咨询，而是从模型设计阶段就将整形外科伤口临床实践与血小板衍生成分再生医学研究结合起来。由于实际临床试验中发生的伤口数据和治疗结果定义了模型标准，因此我们可以为伤口评估和管理的每个领域创建真正在诊所而不是在办公桌上使用的AI。
整形外科伤口临床试验
对实际伤口进展和治疗部位的临床了解直接反映在模型设计和评估标准中。
再生医学专业知识
我们共同定义了基于血小板衍生成分的再生医学治疗结果的量化标准。
蔚山大学产学频道
我们通过大学医院产学研渠道，确保稳定的临床咨询和数据验证环境。
AI标准的应用领域
每个领域的AI开发和验证模式，通过 DermatoScan AI 进行临床验证，应用于伤口区域。
介绍效果
量化伤口数据带来的变化
这是WoundScan AI经过临床验证和建立后，在医疗领域所期望的价值。
可比较的进度记录
As wound data measured by the same standard accumulates, the patient's improvement can be objectively tracked on the time axis.过去仅仅依靠医务人员的记忆和笔记进行的进展判断现在得到了累积数据的支持，使得能够更一致地确定何时改变治疗方向。
基于证据的协议改进
当定量指标积累起来时，数据可以用来确定哪种治疗方法对哪种伤口有效。 This serves as a foundation for gradually improving wound management protocols based on evidence rather than rules of thumb, and is especially an asset that convincingly demonstrates the value of regenerative medicine treatments.
平台综合资产化
WoundScan AI 生成的伤口数据作为公共资产积累在公共基础上，例如Dockie-talkie解释和Clinical Copilot协助。随着AI在各个领域的不断发展，整个平台的价值也会随之增加，从而创造出单一解决方案无法创造的复制难度。
路线图
从开发到临床验证和扩展
WoundScan AI 目前正处于开发阶段，临床验证和扩展正在进行中。
01
ROADMAP第一阶段 · 2026 年
启动产学研联合开发
我们正在与蔚山大学整形外科教授 Ha Won 共同开发基于计算机视觉的伤口评估模型。此阶段的目标是用真实的临床伤口数据定义评估标准，并建立初步形式的定量指数，以量化血小板衍生成分的治疗结果。 WoundScan AI 正处于开发阶段，尚未成为商业解决方案。
02
ROADMAP第二阶段·2027 年
临床验证和 SaaS 扩展
初始投资后，我们将开始 WoundScan AI 的临床验证，同时推出基于普通医院的服务。这是用数据检验模型计算的评价与实际临床判断的吻合程度的步骤，并根据验证结果仔细扩大应用范围。商用时间将根据验证结果确定。
03
ROADMAP第三阶段·2028年~
生态系统/全球扩张
基于各领域成熟的AI，我们将推出面向外部业务各领域的AI生态系统，并拓展至东南亚、中东等全球市场。 WoundScan AI 与 DermatoScan AI 是 AetherHeal Global 久经考验的直接验证产品，旨在为外部进入模型提供可遵循的标准。
常见问题解答
关于 WoundScan AI 的常见问题
我们总结了WoundScan AI产学联合开发阶段的关键问题。
不。 WoundScan AI是处于开发阶段的特定领域AI，于2026年6月开始产业界和学术界联合开发，目前还不是商业解决方案。目前，我们正处于建立基于计算机视觉的伤口评估模型和量化指标的初始阶段，计划在临床验证后仔细扩大应用范围。我们不提供有关何时使用它的明确指南。
没有替代品。 AetherHeal Global的所有AI都基于增强医务人员的原则，但将医务人员作为决策的主体。 WoundScan AI是一款通过一致地呈现面积、愈合阶段等量化指标来帮助医护人员做出决策的工具，而最终的诊断和治疗决策始终由医护人员做出。
WoundScan AI旨在利用计算机视觉分析治疗前后的伤口图像，并将其转化为面积变化、愈合阶段等客观指标。当这些量化数据积累起来时，再生医学治疗的有效性可以根据证据而不是直觉来证明。量化标准本身是通过产学界与 PL Therapeutics 首席执行官 Ha Won 教授共同制定的。
这并不意味着简单的咨询，而是与蔚山大学整形外科教授 Ha Won 结合模型设计阶段的临床和研究专业知识。实际的整形外科伤口临床知识和血小板衍生成分再生医学数据定义了模型的评估标准，并通过大学医院产学界渠道确保了临床咨询和验证环境。 It is a collaborative structure to create field-specific AI that is actually used in medical offices.
WoundScan AI将目前处于临床验证和运行阶段的DermatoScan AI所展示的特定领域AI开发和验证模式延伸到整形外科伤口领域。这两种解决方案都是特定领域的AI，建立在Dockie-talkie解释和Clinical Copilot辅助的共同基础上，它们共同构成了 AetherHeal Global 经过验证的直接验证产品阵容。
有兴趣在整形外科伤口领域联合开发和引入AI的组织可以通过合作伙伴询问与我们联系。由于WoundScan AI目前处于开发阶段，我们将重点提供临床验证合作和未来引入讨论的指导。