萊斯大學在機器學習算法的幫助下設計出“高質(zhì)量”3D打印生物模型。圖片來源：Rice University
近日，美國萊斯大學研究人員稱，人工智能可以加速3D打印生物支架的開發(fā)，從而幫助傷口愈合。計算機科學家Lydia Kavraki領(lǐng)導的團隊使用機器學習方法預測了支架材料的質(zhì)量，并能給定打印參數(shù)。這項研究還發(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。相關(guān)論文刊登于《組織工程學A》。
研究合作者、該校生物工程師Antonios Mikos一直在開發(fā)生物支架，以改進修復顱面和肌肉骨骼創(chuàng)傷的技術(shù)。他開發(fā)出一種骨骼狀結(jié)構(gòu)的生物支架，可以作為損傷組織的占位物。它們是多孔的，可以支持細胞和血管的生長，這些細胞和血管會變成新的組織，最終取代植入物。
這并不意味著沒有改進的空間。研究人員在機器學習技術(shù)的幫助下，設計材料和開發(fā)制造植入物的過程可以更快，并減少很多嘗試和錯誤?！拔覀兡軌蛱峁┳钣锌赡苡绊懹∷①|(zhì)量的參數(shù)。”Kavraki說。
該研究發(fā)現(xiàn)，打印速度是團隊測量的5個指標中最重要的，其他指標依次為材料組成、壓力、分層和間距。
Mikos和學生之前就已經(jīng)考慮過將機器學習納入研究中。而新冠肺炎大流行為開展該項目創(chuàng)造了獨特的機會。Mikos說:“在學生和教師無法到達實驗室的情況下，這是一種取得巨大進步的方法。”從開始到結(jié)束，新冠肺炎讓他們能夠在7個月內(nèi)收集數(shù)據(jù)、開發(fā)模型并論述結(jié)果，這是一個通常需要數(shù)年時間。
該團隊探索了兩種建模方法。一種是分類方法，預測給定的一組參數(shù)是否產(chǎn)生“低”或“高”質(zhì)量的支架。另一種是基于回歸的方法，它近似打印質(zhì)量度量的值以得到結(jié)果。Kavraki表示，兩者都依賴于一種被稱為隨機森林的“經(jīng)典監(jiān)督學習技術(shù)”，這種技術(shù)構(gòu)建多個“決策樹”，并將它們“合并”在一起，從而獲得更準確、更穩(wěn)定地預測。
相關(guān)論文信息：http://dx.doi.org/10.1089/ten.TEA.2020.0191
