الرعاية الصحية
يمكن لخوارزميات الذكاء الاصطناعي أن تعزز إنشاء مواد السقالات الحيوية وتساعد على التئام الجروح
يمكن أن يساعد الذكاء الاصطناعي والتعلم الآلي في شفاء الإصابات من خلال تعزيز سرعة تطوير السقالات الحيوية المطبوعة ثلاثية الأبعاد. السقالات الحيوية هي مواد تسمح للأشياء العضوية، مثل الجلد والأعضاء، بالنمو عليها. قام الباحثون في جامعة رايس مؤخرًا بتطبيق خوارزميات الذكاء الاصطناعي لتطوير مواد السقالات الحيوية، بهدف التنبؤ بجودة المواد المطبوعة. ووجد الباحثون أن التحكم في سرعة الطباعة أمر بالغ الأهمية لتطوير غرسات السقالة الحيوية المفيدة.
كما ذكرت ScienceDaily، فريق من الباحثين من جامعة رايس التعاون لاستخدام التعلم الآلي لتحديد التحسينات الممكنة لمواد السقالات الحيوية. قادت عالمة الكمبيوتر ليديا كافراكي ، من كلية براون للهندسة في رايس ، فريقًا بحثيًا طبق خوارزميات التعلم الآلي للتنبؤ بجودة مواد السقالات. شارك في تأليف الدراسة المهندس الحيوي في رايس أنطونيوس ميكوس ، الذي يعمل على السقالات الحيوية الشبيهة بالعظام والتي تعمل كبديل للأنسجة ، وتهدف إلى دعم نمو الأوعية الدموية والخلايا وتمكين الأنسجة المصابة من الشفاء بسرعة أكبر. تهدف السقالات الحيوية التي يعمل عليها ميكوس إلى التئام الجروح العضلية الهيكلية والجروح القحفية الوجهية. يتم إنتاج السقالات الحيوية بمساعدة تقنيات الطباعة ثلاثية الأبعاد التي تنتج سقالات تناسب محيط الجرح المحدد.
تتطلب عملية الطباعة ثلاثية الأبعاد لمواد السقالة الحيوية الكثير من التجربة والخطأ للحصول على الدُفعة المطبوعة بشكل صحيح. يجب مراعاة المعلمات المختلفة مثل تكوين المواد والهيكل والتباعد. يمكن أن يؤدي تطبيق تقنيات التعلم الآلي إلى تقليل الكثير من هذه التجربة والخطأ ، مما يمنح المهندسين إرشادات مفيدة تقلل من الحاجة إلى العبث بالمعلمات. تمكن كافراكي والباحثون الآخرون من تقديم ملاحظات فريق الهندسة الحيوية حول المعلمات الأكثر أهمية ، والتي من المرجح أن تؤثر على جودة المواد المطبوعة.
بدأ فريق البحث بتحليل البيانات الخاصة بسقالات الطباعة من دراسة أجريت عام 2016 على مادة البولي بروبيلين فومارات القابلة للتحلل. أبعد من هذه البيانات ، توصل الباحثون إلى مجموعة من المتغيرات التي من شأنها أن تساعدهم في تصميم مصنف التعلم الآلي. بمجرد جمع جميع البيانات اللازمة ، تمكن الباحثون من تصميم النماذج واختبارها ونشر النتائج في ما يزيد قليلاً عن نصف عام.
فيما يتعلق بنماذج التعلم الآلي التي استخدمها فريق البحث ، جرب الفريق نهجين مختلفين. اعتمد كل من نهج التعلم الآلي على خوارزميات الغابات العشوائية ، والتي تجمع أشجار القرار لتحقيق نموذج أكثر قوة ودقة. كان أحد النماذج التي اختبرها الفريق طريقة تصنيف ثنائية تتنبأ بما إذا كانت مجموعة معينة من المعلمات ستؤدي إلى منتج منخفض الجودة أو عالي الجودة. وفي الوقت نفسه ، استخدمت طريقة التصنيف الثانية طريقة الانحدار التي تقدر قيم المعلمات التي ستعطي نتيجة عالية الجودة.
وفقًا لنتائج البحث ، كانت أهم معايير السقالات الحيوية عالية الجودة هي التباعد ، والطبقات ، والضغط ، وتكوين المواد ، وسرعة الطباعة. كانت سرعة الطباعة هي المتغير الأكثر أهمية بشكل عام ، تليها تركيبة المواد. من المأمول أن تؤدي نتائج الدراسة إلى طباعة أفضل وأسرع للسقالات الحيوية ، وبالتالي تعزيز موثوقية أجزاء جسم الطباعة ثلاثية الأبعاد مثل الغضروف والركبة وعظام الفك.
وفقًا لكافراكي ، فإن الأساليب التي يستخدمها فريق البحث لديها القدرة على استخدامها في مختبرات أخرى. كما نقلت ScienceDaily عن كافراكي:
"على المدى الطويل ، يجب أن تكون المختبرات قادرة على فهم أي من موادها يمكن أن يمنحها أنواعًا مختلفة من السقالات المطبوعة ، وعلى المدى الطويل جدًا ، حتى تتنبأ بنتائج المواد التي لم يجربوها. ليس لدينا بيانات كافية للقيام بذلك في الوقت الحالي ، ولكن في مرحلة ما نعتقد أننا يجب أن نكون قادرين على إنشاء مثل هذه النماذج ".
