Tu hígado es gelatina. Tu hueso es piedra.

Tu hígado es gelatina. Tu hueso es piedra.#

Entre el tejido más blando del cuerpo (el hígado, casi líquido) y el más rígido (el hueso cortical, casi piedra) hay 135.417 veces de diferencia en rigidez — cinco órdenes de magnitud. Un solo pegamento médico no puede servir para los dos. Un equipo usó machine learning para diseñar un pegamento distinto a la medida de cada tejido: los TuneGlues.

El hallazgo: cada TuneGlue cae en el régimen mecánico de su tejido (5 de 6 dentro de ~2x, a lo largo de 5 órdenes de magnitud), y el modelo predice el módulo elástico con R²=0,97. En un modelo animal de hígado, el TuneGlue bajó el tiempo de hemostasia de 363 s a 30 s (n=3).

Gráfica clave#

Rango de rigidez de 15 tejidos humanos en escala logarítmica

Reproducir#

Abrir en Colab

O localmente:

pip install pandas matplotlib numpy scipy
jupyter execute notebook.ipynb

Datos#

  • datos/tejidos_propiedades_mecanicas.csv — módulo elástico / resistencia / deformación de 15 tejidos humanos (Fig 2h)

  • datos/ml_validacion_r2.csv — R² de validación cruzada 5-fold de los modelos ML (RFR/NN) para 3 propiedades (Fig 2j)

  • datos/tuneglue_vs_tejido.csv — TuneGlue vs tejido nativo, 6 tejidos × 3 propiedades × 3 réplicas (Fig 4d)

  • datos/adhesion_por_tejido.csv — adhesión (kPa) de cada TuneGlue por tejido, 3 réplicas (Fig 4f)

  • datos/hemostasia_tiempo.csv — tiempo de hemostasia control vs TuneGlue-liver, n=3 c/u (Fig 5f)

Limitaciones#

  • Todos los resultados in vivo (adhesión, hemostasia, cicatrización) son en modelos animales, no en humanos ni en clínica.

  • La hemostasia tiene n=3 por grupo: muestra dirección y magnitud, no significancia estadística (p=0,10 es el mínimo posible con ese n).

  • El «match» tejido-pegamento es de orden de magnitud / régimen mecánico, no exacto.

Contenido