يمكن لخوارزميات الذكاء الاصطناعي تعزيز إنشاء مواد السقالة الحيوية ومساعدة الجروح على الشفاء

يمكن للذكاء الاصطناعي وتعلم الآلة مساعدة الجروح عن طريق تعزيز سرعة تطوير السقالة الحيوية ثلاثية الأبعاد. السقالة الحيوية هي مواد تسمح للأجسام العضوية مثل الجلد والأعضاء بالنمو عليها. وقد قام الباحثون في جامعة رايس بتطبيق خوارزميات الذكاء الاصطناعي على تطوير مواد السقالة الحيوية، بهدف التنبؤ بجودة المواد المطبوعة. ووجد الباحثون أن التحكم في سرعة الطباعة هو أمر بالغ الأهمية لتطوير غرسات سقالة حيوية مفيدة.

وفقًا لما ذكرته ScienceDaily، عمل فريق من الباحثين في جامعة رايس بالتعاون لاستخدام تعلم الآلة لتحديد التحسينات المحتملة لمواد السقالة الحيوية. قاد عالم الحاسوب ليديا كافراكي من مدرسة الهندسة في رايس فريقًا بحثيًا قام بتطبيق خوارزميات تعلم الآلة لتنبؤ بجودة مادة السقالة. وكان دراسة مشتركة مع عالم الأحياء الحيوية أنطونيو ميكوس من رايس، الذي يعمل على سقالات حيوية تشبه العظام وتخدم كبديل للأنسجة، وتهدف إلى دعم نمو الأوعية الدموية والخلايا وتمكين الأنسجة الجريحة من الشفاء بشكل أسرع. تهدف سقالات ميكوس إلى شفاء الجروح العضلية الهيكلية والوجهية. يتم إنتاج السقالات بتقنيات الطباعة ثلاثية الأبعاد التي تنتج سقالات تتناسب مع محيط الجروح.

يتطلب عملية طباعة مادة السقالة الحيوية ثلاثية الأبعاد الكثير من التجربة والخطأ للحصول على الدفعة المطبوعة بشكل صحيح. يجب مراعاة معايير مثل تركيب المادة والبنية والتباعد. يمكن لتطبيق تقنيات تعلم الآلة تقليل الكثير من هذا التجربة والخطأ، مما يوفر للمهندسين إرشادات مفيدة تقلل الحاجة إلى اللعب مع المعايير. تمكن كافراكي والباحثون الآخرون من إعطاء فريق الهندسة الحيوية ملاحظات حول المعايير الأكثر أهمية، تلك التي من المرجح أن تؤثر على جودة المادة المطبوعة.

بدء الفريق البحثي بتحليل البيانات حول طباعة السقالات من دراسة عام 2016 حول البولي بروبلين الفومارات القابل للتحلل. بخلاف هذه البيانات، قام الباحثون بإنشاء مجموعة من المتغيرات التي ستساعدهم على تصميم مصنف تعلم الآلة. بمجرد جمع جميع البيانات اللازمة، تمكن الباحثون من تصميم نماذج واختبارها ونشر النتائج في غضون أكثر من نصف عام.

فيما يتعلق بنماذج تعلم الآلة المستخدمة من قبل فريق البحث، قام الفريق بتجربة نهجين مختلفين. كان كلا النهجين قائمين على خوارزميات الغابة العشوائية، التي تجمع شجرة القرار لتحقيق نموذج أكثر متانة ودقة. كان أحد النماذج التي قام الفريق بتحديدها هو طريقة التصنيف الثنائي التي تنبئ بما إذا كانت مجموعة معينة من المعايير ستؤدي إلى منتج منخفض الجودة أو عالي الجودة. في حين أن طريقة التصنيف الثانية استخدمت طريقة الانحدار التي تقدر قيم المعايير التي ستؤدي إلى نتيجة عالية الجودة.

وفقًا للنتائج البحثية، كانت المعايير الأكثر أهمية لسقالات حيوية عالية الجودة هي التباعد والطبقات والضغط وتركيب المادة وسرعة الطباعة. كانت سرعة الطباعة هي المتغير الأكثر أهمية بشكل عام، تليها تركيب المادة. ومن المتوقع أن تؤدي نتائج الدراسة إلى طباعة سقالات حيوية أفضل وأسرع، مما يعزز موثوقية طباعة أجزاء الجسم مثل الغضاريف والركبتين والفكين.

وفقًا لكافراكي، فإن الطرق المستخدمة من قبل فريق البحث لها إمكانية الاستخدام في مختبرات أخرى. كما نقلت عن كافراكي بواسطة ScienceDaily:

“في المستقبل البعيد، يجب أن تكون المختبرات قادرة على فهم أي مواد يمكنها إنتاج أنواع مختلفة من السقالات الحيوية المطبوعة، وفي المستقبل البعيد جدا، حتى التنبؤ بالنائج للمواد التي لم يحاولوها. نحن لا نملك بيانات كافية لفعل ذلك الآن، ولكننا نعتقد أنه في بعض الوقت يجب أن نكون قادرين على توليد مثل هذه النماذج.”