萊斯大學的研究人員使用人工智能（AI）來加快3D打印生物支架的開發(fā)，以幫助傷口愈合。賴斯大學布朗工程學院的計算機科學家Lydia Kavraki領導的一個團隊使用了兩種機器學習方法來預測支架材料的質量（給定打印參數(shù)）。該研究發(fā)表在《組織工程》第A部分上，控制打印速度對于制造高質量的植入物至關重要。

得益于AI的準確數(shù)據(jù)處理和預測功能，生物技術領域的科學家廣泛依賴于AI工具和技術（例如機器和深度學習）來解決實際問題并改善發(fā)現(xiàn)，從而有助于疾病的診斷和治療，個性化醫(yī)學等。據(jù)普華永道（PricewaterhouseCoopers）的一份報告，到2030年，人工智能可以為全球經(jīng)濟貢獻15.7萬億美元，而最近對制藥和生命科學專家的調查顯示，已有44％的人在其研發(fā)活動中使用了人工智能。

在萊斯大學開發(fā)的機器學習算法的幫助下設計出了一種“高質量”的3D打印生物支架。比例尺等于1毫米。 

（圖片由Mikos研究小組提供）

賴斯大學的生物工程師和研究合著者安東尼奧斯·米科斯（Antonios Mikos）一直在與復雜組織工程中心一起開發(fā)生物支架，以改善治愈顱面和肌肉骨骼傷口的技術。根據(jù)萊斯大學的說法，生物支架是骨骼狀的結構，可作為受傷組織的占位符。它們具有多孔性，可支持變成新組織并最終取代植入物的細胞和血管的生長。Mikos的工作已取得進展，其中包括復雜的3D打印，可以使生物相容性植入物專門適合傷口部位?，F(xiàn)在，借助機器學習技術，可以更快地設計材料和開發(fā)工藝來創(chuàng)建植入物，并且消除了很多試驗和錯誤。

該團隊探索了兩種基于機器學習的建模方法。一種是基于直接分類的方法，該方法可預測給定的一組參數(shù)會產(chǎn)生“低”或“高”質量的支架打印。另一種是基于回歸的方法，可以近似得出打印質量指標的值以得出結果。研究人員報告說，這兩種模型都是建立在一種稱為“隨機森林”的“經(jīng)典監(jiān)督學習技術”的基礎上的，該技術建立了多個“決策樹”并將它們“合并”在一起以獲得更準確和穩(wěn)定的預測。該團隊在先前研究中生成的數(shù)據(jù)集上訓練和評估了模型，該數(shù)據(jù)集通過基于擠壓的3D打印和全要素設計研究了多孔聚合物支架的制造。最終，這種合作可以帶來更好的方法，以根據(jù)需要快速打印定制的頜骨，膝蓋骨或軟骨碎片。

“一個非常重要的方面是發(fā)現(xiàn)新事物的潛力。這一系列的研究不僅使我們能夠優(yōu)化具有許多變量的系統(tǒng)（這非常重要），而且還能夠發(fā)現(xiàn)全新的和出乎意料的事物。在我看來，這才是這項工作的真正美?！泵卓怂梗∕ikos），路易斯·卡德（Louis Calder）的生物工程與化學與生物分子工程教授，萊斯大學的化學與材料科學與納米工程教授。 “這是融合的一個很好的例子。我們從計算機科學和人工智能的進步中學到很多東西，這項研究是它們如何幫助我們提高效率的完美例證?！?/span>

Mikos和他的學生已經(jīng)考慮將機器學習融入其中，但是2020年COVID-19大流行為推行該項目創(chuàng)造了獨特的機會。賴斯大學解釋說，從頭到尾，COVID-19允許他們組裝數(shù)據(jù)，開發(fā)模型并在7個月內發(fā)布結果，這被認為是記錄該過程的時間，通常需要數(shù)年時間。盡管學生必須弄清楚如何進行遠程通信，但一旦完成，他們的進步很快。對于Mikos而言，這是在許多學生和教師無法上實驗室的時候取得巨大進步的一種方法。

萊斯計算機科學家Lydia Kavraki和萊斯生物工程師Antonios Mikos。 （圖片由萊斯大學布朗工程學院提供）

Kavraki說，該論文的研究人員和合著者–她實驗室的研究生Anja Conev和Eleni Litsa以及Mikos實驗室的研究生Marissa Perez和博士后研究員Mani Diba –在開始時就花時間來建立一種研究方法。數(shù)據(jù)來自2016年關于使用可生物降解的聚富馬酸丙二酯（PPF）印刷支架的研究的數(shù)據(jù)，然后確定了訓練計算機模型還需要什么。研究確定打印速度是團隊測量的五個指標中最重要的指標，其他按重要性降序排列的指標是材料成分，壓力，分層和間距。

“我們能夠就最有可能影響打印質量的參數(shù)給出反饋，因此，當他們繼續(xù)進行實驗時，它們可以專注于某些參數(shù)而忽略其他參數(shù)?！比斯ぶ悄軝C器人技術權威機構Kavraki說賴斯的肯尼迪研究所所長和生物醫(yī)學主任。從長遠來看，實驗室應該能夠了解他們的哪些材料可以為他們提供不同種類的印刷支架，并且從長遠來看，甚至可以預測未嘗試使用的材料的結果。我們目前沒有足夠的數(shù)據(jù)來執(zhí)行此操作，但是在某些時候，我們認為我們應該能夠生成這樣的模型?！?/span>

點評：人工智能在新材料中扮演著重要的角色，特別是因為在材料科學與計算的交匯中存在著許多問題，并且可以從事更多工作的人越多越好。在先進材料科具有巨大的潛力，可以擴大將AI技術納入生物工程研究的合作。

來源：https://www.3ddayin.net/xinwenpindao/guowaikuaidi/39656.html