萊斯大學(xué)(xué)的研究人員使用人工智能（AI）來(lái)加快3D打印生物支架的開(kāi)發(fā)(fā)，以幫助傷口愈合。賴(lài)斯大學(xué)(xué)布朗工程學(xué)(xué)院的計算機科學(xué)(xué)家Lydia Kavraki領(lǐng)(lǐng)導(dǎo)的一個(gè)團隊使用了兩種機器學(xué)(xué)習(xí)方法來(lái)預(yù)測支架材料的質(zhì)(zhì)量（給定打印參數(shù)）。該研究發(fā)(fā)表在《組織工程》第A(yíng)部分上，控制打印速度對于制造高質(zhì)(zhì)量的植入物至關(guān)(guān)重要。

得益于AI的準確數(shù)據(jù)處理和預(yù)測功能，生物技術(shù)(shù)領(lǐng)(lǐng)域的科學(xué)(xué)家廣泛依賴(lài)于A(yíng)I工具和技術(shù)(shù)（例如機器和深度學(xué)(xué)習(xí)）來(lái)解決實(shí)際問(wèn)題并改善發(fā)(fā)現(xiàn)，從而有助于疾病的診斷和治療，個(gè)性化醫(yī)學(xué)(xué)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)(jīng)濟貢獻15.7萬(wàn)億美元，而最近對制藥和生命科學(xué)(xué)專(zhuān)家的調(diào)查顯示，已有44％的人在其研發(fā)(fā)活動(dòng)中使用了人工智能。

在萊斯大學(xué)(xué)開(kāi)發(fā)(fā)的機器學(xué)(xué)習(xí)算法的幫助下設(shè)計出了一種“高質(zhì)(zhì)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(lài)斯大學(xué)(xué)的生物工程師和研究合著(zhù)者安東尼奧斯·米科斯（Antonios Mikos）一直在與復(fù)雜組織工程中心一起開(kāi)發(fā)(fā)生物支架，以改善治愈顱面和肌肉骨骼傷口的技術(shù)(shù)。根據(jù)萊斯大學(xué)(xué)的說(shuō)法，生物支架是骨骼狀的結(jié)構(gòu)，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(cháng)。Mikos的工作已取得進(jìn)展，其中包括復(fù)雜的3D打印，可以使生物相容性植入物專(zhuān)門(mén)適合傷口部位?，F(xiàn)在，借助機器學(xué)(xué)習(xí)技術(shù)(shù)，可以更快地設(shè)計材料和開(kāi)發(fā)(fā)工藝來(lái)創(chuàng )(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(xué)(xué)習(xí)的建模方法。一種是基于直接分類(lèi)的方法，該方法可預(yù)測給定的一組參數(shù)會(huì )產(chǎn)(chǎn)生“低”或“高”質(zhì)(zhì)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(zhì)(zhì)量指標的值以得出結(jié)果。研究人員報告說(shuō)，這兩種模型都是建立在一種稱(chēng)為“隨機森林”的“經(jīng)(jīng)典監(jiān)督學(xué)(xué)習(xí)技術(shù)(shù)”的基礎(chǔ)上的，該技術(shù)(shù)建立了多個(gè)“決策樹(shù)”并將它們“合并”在一起以獲得更準確和穩(wěn)定的預(yù)測。該團隊在先前研究中生成的數(shù)據(jù)集上訓(xùn)練和評估了模型，該數(shù)據(jù)集通過(guò)基于擠壓的3D打印和全要素設(shè)計研究了多孔聚合物支架的制造。最終，這種合作可以帶來(lái)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(gè)非常重要的方面是發(fā)(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)(yōu)化具有許多變量的系統(tǒng)（這非常重要），而且還能夠發(fā)(fā)現(xiàn)全新的和出乎意料的事物。在我看來(lái)，這才是這項工作的真正美?！泵卓慫梗∕ikos），路易斯·卡德（Louis Calder）的生物工程與化學(xué)(xué)與生物分子工程教授，萊斯大學(xué)(xué)的化學(xué)(xué)與材料科學(xué)(xué)與納米工程教授。 “這是融合的一個(gè)很好的例子。我們從計算機科學(xué)(xué)和人工智能的進(jìn)步中學(xué)(xué)到很多東西，這項研究是它們?nèi)綰螏橢覀兲岣咝實(shí)耐昝覽C?！?/span>

Mikos和他的學(xué)(xué)生已經(jīng)(jīng)考慮將機器學(xué)(xué)習(xí)融入其中，但是2020年COVID-19大流行為推行該項目創(chuàng )(chuàng)造了獨特的機會(huì )。賴(lài)斯大學(xué)(xué)解釋說(shuō)，從頭到尾，COVID-19允許他們組裝數(shù)據(jù)，開(kāi)發(fā)(fā)模型并在7個(gè)月內(nèi)發(fā)(fā)布結(jié)果，這被認為是記錄該過(guò)程的時(shí)間，通常需要數(shù)年時(shí)間。盡管學(xué)(xué)生必須弄清楚如何進(jìn)行遠程通信，但一旦完成，他們的進(jìn)步很快。對于Mikos而言，這是在許多學(xué)(xué)生和教師無(wú)法上實(shí)驗室的時(shí)候取得巨大進(jìn)步的一種方法。

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

Kavraki說(shuō)，該論文的研究人員和合著(zhù)者–她實(shí)驗室的研究生Anja Conev和Eleni Litsa以及Mikos實(shí)驗室的研究生Marissa Perez和博士后研究員Mani Diba –在開(kāi)始時(shí)就花時(shí)間來(lái)建立一種研究方法。數(shù)據(jù)來(lái)自2016年關(guān)(guān)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(xùn)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(gè)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(zhì)(zhì)量的參數(shù)給出反饋，因此，當他們繼續(xù)進(jìn)行實(shí)驗時(shí)，它們可以專(zhuān)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(shù)(shù)權(quán)威機構(gòu)Kavraki說(shuō)賴(lài)斯的肯尼迪研究所所長(cháng)和生物醫(yī)學(xué)(xué)主任。從長(cháng)遠來(lái)看，實(shí)驗室應(yīng)該能夠了解他們的哪些材料可以為他們提供不同種類(lèi)的印刷支架，并且從長(cháng)遠來(lái)看，甚至可以預(yù)測未嘗試使用的材料的結(jié)果。我們目前沒(méi)有足夠的數(shù)據(jù)來(lái)執(zhí)行此操作，但是在某些時(shí)候，我們認為我們應(yīng)該能夠生成這樣的模型?！?/span>

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

來(lái)源：https://www.3ddayin.net/xinwenpindao/guowaikuaidi/39656.html