KI-algoritmes kan die skepping van biosteiermateriaal verbeter en help om wonde te genees

Kunsmatige intelligensie en masjienleer kan help om beserings te genees deur die ontwikkelingspoed van 3D-gedrukte biosteierwerke te verhoog. Bioscaffolds is materiale wat organiese voorwerpe, soos vel en organe, daarop laat groei. Onlangse werk wat deur navorsers by Rice Universiteit gedoen is, het KI-algoritmes toegepas op die ontwikkeling van biosteiermateriaal, met die doel om die kwaliteit van gedrukte materiaal te voorspel. Die navorsers het bevind dat die beheer van die spoed van die druk van kardinale belang is vir die ontwikkeling van nuttige biosteier-inplantings.

Soos berig deur ScienceDaily, span navorsers van Rice Universiteit saamgewerk om masjienleer te gebruik om moontlike verbeterings aan biosteiermateriaal te identifiseer. Rekenaarwetenskaplike Lydia Kavraki, van die Brown School of Engineering by Rice, lei 'n navorsingspan wat masjienleeralgoritmes toegepas het om die kwaliteit van steiermateriaal te voorspel. Die studie is mede-outeur van Rice bio-ingenieur Antonios Mikos, wat werk op beenagtige bioscaffolds wat as weefselvervangings dien, wat bedoel is om die groei van bloedvate en selle te ondersteun en gewonde weefsel in staat te stel om vinniger te genees. Die bioscaffolds waaraan Mikos werk, is bedoel om muskuloskeletale en kraniofaciale wonde te genees. Die bioscaffolds word vervaardig met behulp van 3D-druktegnieke wat steiers vervaardig wat pas by die omtrek van 'n gegewe wond.

Die proses van 3D-druk van biosteiermateriaal verg baie proef en fout om die gedrukte bondel net reg te kry. Verskeie parameters soos materiaalsamestelling, struktuur en spasiëring moet in ag geneem word. Die toepassing van masjienleertegnieke kan baie van hierdie proef en fout verminder, wat die ingenieurs nuttige riglyne gee wat die behoefte verminder om met parameters rond te vroetel. Kavraki en ander navorsers kon die bio-ingenieurspan terugvoer gee oor watter parameters die belangrikste was, dié wat waarskynlik die kwaliteit van die gedrukte materiaal sou beïnvloed.

Die navorsingspan het begin met die ontleding van data oor die druk van steiers van 'n 2016-studie oor bio-afbreekbare polipropileenfumaraat. Behalwe hierdie data het die navorsers met 'n stel veranderlikes vorendag gekom wat hulle sou help om 'n masjienleerklassifiseerder te ontwerp. Sodra al die nodige data ingesamel is, kon die navorsers in net meer as 'n halfjaar modelle ontwerp, dit toets en die resultate gepubliseer kry.

In terme van die masjienleermodelle wat deur die navorsingspan gebruik is, het die span met twee verskillende benaderings geëksperimenteer. Beide masjienleerbenaderings was gebaseer op ewekansige woudalgoritmes, wat besluitnemingsbome saamvoeg om 'n meer robuuste en akkurate model te bereik. Een van die modelle wat die span getoets het, was 'n binêre klassifikasiemetode wat voorspel het of 'n bepaalde stel parameters 'n lae of hoë kwaliteit produk tot gevolg sou hê. Intussen het die tweede klassifikasiemetode 'n regressiemetode gebruik wat beraam watter parameterwaardes 'n hoë kwaliteit resultaat sou gee.

Volgens die resultate van die navorsing was die belangrikste parameters vir hoë kwaliteit biosteiers spasiëring, lae, druk, materiaalsamestelling en drukspoed. Drukspoed was die belangrikste veranderlike oor die algemeen, gevolg deur materiaalsamestelling. Daar word gehoop dat die resultate van die studie sal lei tot beter, vinniger druk van bioscaffolds, en sodoende die betroubaarheid van 3D-druk liggaamsdele soos kraakbeen, knieskywe en kakebeen verbeter.

Volgens Kavraki het die metodes wat die navorsingspan gebruik die potensiaal om by ander laboratoriums gebruik te word. Soos Kavraki deur ScienceDaily aangehaal is:

“Op die lang termyn moet laboratoriums kan verstaan ​​watter van hul materiaal vir hulle verskillende soorte gedrukte steiers kan gee, en op die lang termyn selfs resultate voorspel vir materiaal wat hulle nie probeer het nie. Ons het nie nou genoeg data om dit te doen nie, maar een of ander tyd dink ons ​​ons moet sulke modelle kan genereer.”