賴斯大學的研究人員稱，一定劑量的人工智能可以加快3D打印的生物支架的發(fā)展，從而幫助傷口愈合。

賴斯布朗工程學院的計算機科學家Lydia Kavraki領(lǐng)導的一個團隊使用了一種機器學習方法來預測支架材料的質(zhì)量（給定了打印參數(shù)）。這項工作還發(fā)現(xiàn)，控制打印速度對于制造高質(zhì)量的植入物至關(guān)重要。

共同作者和賴斯生物工程師安東尼奧斯·米科斯（Antonios Mikos）開發(fā)的生物支架是骨狀結(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。

Mikos在很大程度上與工程復雜組織中心合作開發(fā)了生物支架，以改善治愈顱面和肌肉骨骼傷口的技術(shù)。這項工作已經(jīng)進展到包括復雜的3D打印，可以使生物相容性植入物定制適合傷口部位。

這并不意味著沒有改進的空間。借助機器學習技術(shù)，可以更快地設(shè)計材料和開發(fā)工藝來創(chuàng)建植入物，并消除很多試驗和錯誤。

“我們能夠就最有可能影響打印質(zhì)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)，”機器人，人工智能和人工智能研究機構(gòu)Kavraki表示。賴斯的肯尼迪研究所所長。

該小組在組織工程A部分中報告了其結(jié)果。

該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，其他指標的重要性從高到低依次為材料成分，壓力，分層和間距。

Mikos和他的學生已經(jīng)考慮過將機器學習融入其中。COVID-19大流行為實施該項目創(chuàng)造了獨特的機會。

米科斯說：“在許多學生和教師無法進入實驗室的情況下，這是取得長足進步的一種方式?！?/p>

Kavraki說，研究人員-她的實驗室的研究生Anja Conev和Eleni Litsa以及研究生的Marissa Perez和Mikos實驗室的博士后研究員Mani Diba，都是本文的共同作者-在開始時花了一些時間來建立一種研究方法。來自2016年有關(guān)使用可生物降解的聚富馬酸丙二醇酯印刷腳手架的研究的大量數(shù)據(jù)，然后找出了訓練計算機模型還需要更多的數(shù)據(jù)。

卡夫拉基說：“學生們不得不弄清楚如何互相交談，一旦他們做到了，他們進步的速度真是令人驚訝?！?/p>

從頭到尾，COVID-19窗口使他們可以組裝數(shù)據(jù)，開發(fā)模型并在七個月內(nèi)發(fā)布結(jié)果，并記錄可能需要數(shù)年時間的過程的時間。

團隊探索了兩種建模方法。一種是分類方法，其預測給定的一組參數(shù)會產(chǎn)生“低”或“高”質(zhì)量的支架。另一種是基于回歸的方法，可以近似得出打印質(zhì)量指標的值以得出結(jié)果。Kavraki說，兩者都依靠一種稱為“隨機森林”的“經(jīng)典監(jiān)督學習技術(shù)”，該技術(shù)可以構(gòu)建多個“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。