萊斯大學(xué)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(xué)布朗工程學(xué)院的計(jì)算機(jī)科學(xué)家Lydia Kavraki領(lǐng)導(dǎo)的一個(gè)團(tuán)隊(duì)使用了兩種機(jī)器學(xué)習(xí)方法來預(yù)測(cè)支架材料的質(zhì)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(duì)于制造高質(zhì)量的植入物至關(guān)重要。

得益于AI的準(zhǔn)確數(shù)據(jù)處理和預(yù)測(cè)功能，生物技術(shù)領(lǐng)域的科學(xué)家廣泛依賴于AI工具和技術(shù)（例如機(jī)器和深度學(xué)習(xí)）來解決實(shí)際問題并改善發(fā)現(xiàn)，從而有助于疾病的診斷和治療，個(gè)性化醫(yī)學(xué)等。據(jù)普華永道（PricewaterhouseCoopers）的一份報(bào)告，到2030年，人工智能可以為全球經(jīng)濟(jì)貢獻(xiàn)15.7萬億美元，而最近對(duì)制藥和生命科學(xué)專家的調(diào)查顯示，已有44％的人在其研發(fā)活動(dòng)中使用了人工智能。

在萊斯大學(xué)開發(fā)的機(jī)器學(xué)習(xí)算法的幫助下設(shè)計(jì)出了一種“高質(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）

賴斯大學(xué)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(fù)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(shù)。根據(jù)萊斯大學(xué)的說法，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(xì)胞和血管的生長(zhǎng)。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門適合傷口部位。現(xiàn)在，借助機(jī)器學(xué)習(xí)技術(shù)，可以更快地設(shè)計(jì)材料和開發(fā)工藝來創(chuàng)建植入物，并且消除了很多試驗(yàn)和錯(cuò)誤。

該團(tuán)隊(duì)探索了兩種基于機(jī)器學(xué)習(xí)的建模方法。一種是基于直接分類的方法，該方法可預(yù)測(cè)給定的一組參數(shù)會(huì)產(chǎn)生“低”或“高”質(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)量指標(biāo)的值以得出結(jié)果。研究人員報(bào)告說，這兩種模型都是建立在一種稱為“隨機(jī)森林”的“經(jīng)典監(jiān)督學(xué)習(xí)技術(shù)”的基礎(chǔ)上的，該技術(shù)建立了多個(gè)“決策樹”并將它們“合并”在一起以獲得更準(zhǔn)確和穩(wěn)定的預(yù)測(cè)。該團(tuán)隊(duì)在先前研究中生成的數(shù)據(jù)集上訓(xùn)練和評(píng)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(shè)計(jì)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(gè)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(xiàng)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(xué)與生物分子工程教授，萊斯大學(xué)的化學(xué)與材料科學(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(jì)算機(jī)科學(xué)和人工智能的進(jìn)步中學(xué)到很多東西，這項(xiàng)研究是它們?nèi)绾螏椭覀兲岣咝实耐昝览C?！?/span>

Mikos和他的學(xué)生已經(jīng)考慮將機(jī)器學(xué)習(xí)融入其中，但是2020年COVID-19大流行為推行該項(xiàng)目創(chuàng)造了獨(dú)特的機(jī)會(huì)。賴斯大學(xué)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(gè)月內(nèi)發(fā)布結(jié)果，這被認(rèn)為是記錄該過程的時(shí)間，通常需要數(shù)年時(shí)間。盡管學(xué)生必須弄清楚如何進(jìn)行遠(yuǎn)程通信，但一旦完成，他們的進(jìn)步很快。對(duì)于Mikos而言，這是在許多學(xué)生和教師無法上實(shí)驗(yàn)室的時(shí)候取得巨大進(jìn)步的一種方法。

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

Kavraki說，該論文的研究人員和合著者–她實(shí)驗(yàn)室的研究生Anja Conev和Eleni Litsa以及Mikos實(shí)驗(yàn)室的研究生Marissa Perez和博士后研究員Mani Diba –在開始時(shí)就花時(shí)間來建立一種研究方法。數(shù)據(jù)來自2016年關(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(jì)算機(jī)模型還需要什么。研究確定打印速度是團(tuán)隊(duì)測(cè)量的五個(gè)指標(biāo)中最重要的指標(biāo)，其他按重要性降序排列的指標(biāo)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)量的參數(shù)給出反饋，因此，當(dāng)他們繼續(xù)進(jìn)行實(shí)驗(yàn)時(shí)，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(jī)器人技術(shù)權(quán)威機(jī)構(gòu)Kavraki說賴斯的肯尼迪研究所所長(zhǎng)和生物醫(yī)學(xué)主任。從長(zhǎng)遠(yuǎn)來看，實(shí)驗(yàn)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的印刷支架，并且從長(zhǎng)遠(yuǎn)來看，甚至可以預(yù)測(cè)未嘗試使用的材料的結(jié)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(shí)候，我們認(rèn)為我們應(yīng)該能夠生成這樣的模型。”

點(diǎn)評(píng)：人工智能在新材料中扮演著重要的角色，特別是因?yàn)樵诓牧峡茖W(xué)與計(jì)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(jìn)材料科具有巨大的潛力，可以擴(kuò)大將AI技術(shù)納入生物工程研究的合作。

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