一定剂量的人工智能可以加快3D打印的生物支架的发展

赖斯大学的研究人员称，一定剂量的人工智能可以加快3D打印的生物支架的发展，从而帮助伤口愈合。

赖斯布朗工程学院的计算机科学家Lydia Kavraki领导的一个团队使用了一种机器学习方法来预测支架材料的质量（给定了打印参数）。这项工作还发现，控制打印速度对于制造高质量的植入物至关重要。

共同作者和赖斯生物工程师安东尼奥斯·米科斯（Antonios Mikos）开发的生物支架是骨状结构，可作为受伤组织的占位符。它们具有多孔性，可支持变成新组织并最终取代植入物的细胞和血管的生长。

Mikos在很大程度上与工程复杂组织中心合作开发了生物支架，以改善治愈颅面和肌肉骨骼伤口的技术。这项工作已经进展到包括复杂的3D打印，可以使生物相容性植入物定制适合伤口部位。

这并不意味着没有改进的空间。借助机器学习技术，可以更快地设计材料和开发工艺来创建植入物，并消除很多试验和错误。

“我们能够就最有可能影响打印质量的参数给出反馈，因此，当他们继续进行实验时，它们可以专注于某些参数，而忽略其他参数，”机器人，人工智能和人工智能研究机构Kavraki表示。赖斯的肯尼迪研究所所长。

该小组在组织工程A部分中报告了其结果。

该研究确定打印速度是团队测量的五个指标中最重要的指标，其他指标的重要性从高到低依次为材料成分，压力，分层和间距。

Mikos和他的学生已经考虑过将机器学习融入其中。COVID-19大流行为实施该项目创造了独特的机会。

米科斯说：“在许多学生和教师无法进入实验室的情况下，这是取得长足进步的一种方式。”

Kavraki说，研究人员-她的实验室的研究生Anja Conev和Eleni Litsa以及研究生的Marissa Perez和Mikos实验室的博士后研究员Mani Diba，都是本文的共同作者-在开始时花了一些时间来建立一种研究方法。来自2016年有关使用可生物降解的聚富马酸丙二醇酯印刷脚手架的研究的大量数据，然后找出了训练计算机模型还需要更多的数据。

卡夫拉基说：“学生们不得不弄清楚如何互相交谈，一旦他们做到了，他们进步的速度真是令人惊讶。”

从头到尾，COVID-19窗口使他们可以组装数据，开发模型并在七个月内发布结果，并记录可能需要数年时间的过程的时间。

团队探索了两种建模方法。一种是分类方法，其预测给定的一组参数会产生“低”或“高”质量的支架。另一种是基于回归的方法，可以近似得出打印质量指标的值以得出结果。Kavraki说，两者都依靠一种称为“随机森林”的“经典监督学习技术”，该技术可以构建多个“决策树”并将它们“合并”在一起以获得更准确和稳定的预测。