कृत्रिम बुद्धिमत्ता एल्गोरिदम बायोस्कैफोल्ड सामग्री के निर्माण को बढ़ावा दे सकते हैं और घावों को ठीक करने में मदद कर सकते हैं

कृत्रिम बुद्धिमत्ता और मशीन लर्निंग घावों को ठीक करने में मदद कर सकती है bằng 3डी प्रिंटेड बायोस्कैफोल्ड के विकास की गति को बढ़ाकर। बायोस्कैफोल्ड ऐसी सामग्री होती है जो जैविक वस्तुओं, जैसे कि त्वचा और अंगों को उन पर बढ़ने की अनुमति देती है। हाल ही में राइस यूनिवर्सिटी के शोधकर्ताओं द्वारा किए गए एक अध्ययन में, बायोस्कैफोल्ड सामग्री के विकास में कृत्रिम बुद्धिमत्ता एल्गोरिदम का उपयोग किया गया था, जिसका उद्देश्य मुद्रित सामग्री की गुणवत्ता का अनुमान लगाना था। शोधकर्ताओं ने पाया कि प्रिंटिंग की गति को नियंत्रित करना उपयोगी बायोस्कैफोल्ड इम्प्लांट के विकास के लिए महत्वपूर्ण है।

साइंसडेली की रिपोर्ट के अनुसार, राइस यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने मशीन लर्निंग का उपयोग बायोस्कैफोल्ड सामग्री में संभावित सुधारों की पहचान करने के लिए किया। कंप्यूटर वैज्ञानिक लिडिया काव्राकी, जो राइस यूनिवर्सिटी के ब्राउन स्कूल ऑफ इंजीनियरिंग में हैं, ने एक शोध टीम का नेतृत्व किया जिसने बायोस्कैफोल्ड सामग्री की गुणवत्ता का अनुमान लगाने के लिए मशीन लर्निंग एल्गोरिदम को लागू किया। इस अध्ययन के सह-लेखक राइस बायोइंजीनियर एंटोनियोस मिकोस थे, जो हड्डी जैसे बायोस्कैफोल्ड पर काम करते हैं जो ऊतक प्रतिस्थापन के रूप में कार्य करते हैं, जो रक्त वाहिकाओं और कोशिकाओं के विकास का समर्थन करते हैं और घायल ऊतक को तेजी से ठीक करने में सक्षम बनाते हैं। मिकोस द्वारा काम किए जाने वाले बायोस्कैफोल्ड मांसपेशियों और क्रैनियोफेशियल घावों को ठीक करने के लिए डिज़ाइन किए गए हैं। बायोस्कैफोल्ड 3डी प्रिंटिंग तकनीकों के साथ बनाए जाते हैं जो एक दिए गए घाव के परिधि के अनुसार स्कैफोल्ड का उत्पादन करते हैं।

बायोस्कैफोल्ड सामग्री को 3डी प्रिंट करने की प्रक्रिया में बहुत सारे परीक्षण और त्रुटि की आवश्यकता होती है ताकि मुद्रित बैच को सही ढंग से प्राप्त किया जा सके। विभिन्न पैरामीटर जैसे कि सामग्री संरचना, संरचना, और अंतराल को ध्यान में रखना आवश्यक है। मशीन लर्निंग तकनीकों का उपयोग करके, इस परीक्षण और त्रुटि को बहुत कम किया जा सकता है, जिससे इंजीनियरों को उपयोगी दिशानिर्देश मिलते हैं जो पैरामीटर के साथ खिलवाड़ करने की आवश्यकता को कम करते हैं। काव्राकी और अन्य शोधकर्ता बायोइंजीनियरिंग टीम को यह जानकारी देने में सक्षम थे कि कौन से पैरामीटर सबसे महत्वपूर्ण थे, जो संभवतः मुद्रित सामग्री की गुणवत्ता पर प्रभाव डालेंगे।

शोध टीम ने 2016 के एक अध्ययन से बायोस्कैफोल्ड के प्रिंटिंग के डेटा का विश्लेषण करके शुरुआत की। इस डेटा के अलावा, शोधकर्ताओं ने एक मशीन लर्निंग क्लासिफायर डिज़ाइन करने में मदद करने के लिए एक सेट của चर का विकास किया। एक बार जब सभी आवश्यक डेटा एकत्र हो गया, तो शोधकर्ता मॉडल डिज़ाइन करने, उन्हें परीक्षण करने और परिणामों को प्रकाशित करने में सक्षम थे, जो केवल आधे से अधिक समय में हुआ।

शोध टीम द्वारा उपयोग किए गए मशीन लर्निंग मॉडल के संदर्भ में, टीम ने दो अलग-अलग दृष्टिकोणों के साथ प्रयोग किया। दोनों मशीन लर्निंग दृष्टिकोण रैंडम फॉरेस्ट एल्गोरिदम पर आधारित थे, जो निर्णय पेड़ों को एक अधिक मजबूत और सटीक मॉडल प्राप्त करने के लिए जोड़ते हैं। टीम द्वारा परीक्षण किए गए मॉडलों में से एक एक द्विआधारी वर्गीकरण विधि थी जो अनुमान लगाती थी कि एक विशिष्ट सेट của पैरामीटर एक निम्न या उच्च गुणवत्ता वाले उत्पाद का परिणाम देगा। दूसरी ओर, दूसरी वर्गीकरण विधि एक प्रतिगमन-विधि का उपयोग करती थी जो अनुमान लगाती थी कि कौन से पैरामीटर मूल्य एक उच्च गुणवत्ता वाले परिणाम देंगे।

अध्ययन के परिणामों के अनुसार, उच्च गुणवत्ता वाले बायोस्कैफोल्ड के लिए सबसे महत्वपूर्ण पैरामीटर अंतराल, परत, दबाव, सामग्री संरचना, और प्रिंट गति थे। प्रिंट गति समग्र रूप से सबसे महत्वपूर्ण चर थी, इसके बाद सामग्री संरचना का स्थान था। आशा की जाती है कि अध्ययन के परिणाम बायोस्कैफोल्ड के बेहतर, तेजी से प्रिंटिंग की ओर ले जाएंगे, जिससे 3डी प्रिंटेड शरीर के अंगों जैसे कि कार्टिलेज, घुटने के पट्टे, और जॉबोन की विश्वसनीयता बढ़ेगी।

काव्राकी के अनुसार, शोध टीम द्वारा उपयोग की जाने वाली विधियों का उपयोग अन्य प्रयोगशालाओं में किया जा सकता है। साइंसडेली के अनुसार, काव्राकी ने कहा:

“लंबे समय में, प्रयोगशालाओं को यह समझने में सक्षम होना चाहिए कि उनकी सामग्री उन्हें विभिन्न प्रकार के मुद्रित स्कैफोल्ड दे सकती है, और बहुत लंबे समय में, यहां तक कि उन सामग्रियों के लिए परिणामों का अनुमान लगा सकती है जिन्हें उन्होंने आजमाया नहीं है। हमें अभी तक इतना डेटा नहीं है कि हम ऐसे मॉडल बना सकें, लेकिन किसी बिंदु पर हमें लगता है कि हमें ऐसे मॉडल बनाने में सक्षम होना चाहिए।”