人工智能算法可以增强生物支架材料的创建并帮助愈合伤口

人工智能和机器学习可以通过提高 3D 打印生物支架的开发速度来帮助治愈损伤。生物支架是允许皮肤和器官等有机物体在其上生长的材料。莱斯大学研究人员最近所做的工作将人工智能算法应用于生物支架材料的开发，目的是预测印刷材料的质量。研究人员发现，控制打印速度对于开发有用的生物支架植入物至关重要。

据《科学日报》报道，来自莱斯大学的研究团队 合作使用机器学习 以确定生物支架材料的可能改进。 莱斯大学布朗工程学院的计算机科学家 Lydia Kavraki 领导的一个研究小组应用机器学习算法来预测支架材料的质量。 这项研究由莱斯大学生物工程师 Antonios Mikos 共同撰写，他致力于研究用作组织替代品的类骨生物支架，旨在支持血管和细胞的生长，并使受伤组织更快地愈合。 米科斯研究的生物支架旨在治愈肌肉骨骼和颅面伤口。 生物支架是在 3D 打印技术的帮助下生产的，该技术可生产适合给定伤口周边的支架。

3D 打印生物支架材料的过程需要大量的试验和错误才能获得正确的打印批次。 必须考虑材料成分、结构和间距等各种参数。 机器学习技术的应用可以减少大量的试验和错误，为工程师提供有用的指导，减少摆弄参数的需要。 卡夫拉基和其他研究人员能够向生物工程团队反馈哪些参数最重要，哪些参数最有可能影响印刷材料的质量。

研究小组首先分析了 2016 年可生物降解聚丙烯富马酸酯研究中的打印支架数据。 除了这些数据之外，研究人员还提出了一组变量，帮助他们设计机器学习分类器。 一旦收集了所有必要的数据，研究人员就可以设计模型，对其进行测试，并在短短半年多的时间内发布结果。

在研究团队使用的机器学习模型方面，团队尝试了两种不同的方法。 这两种机器学习方法都基于随机森林算法，该算法聚合决策树以实现更稳健和更准确的模型。 该团队测试的模型之一是二元分类方法，该方法可以预测一组特定参数是否会产生低质量或高质量的产品。 同时，第二种分类方法利用回归方法来估计哪些参数值会给出高质量的结果。

根据研究结果，高质量生物支架最重要的参数是间距、分层、压力、材料成分和打印速度。 总体而言，打印速度是最重要的变量，其次是材料成分。 希望该研究结果能够更好、更快地打印生物支架，从而提高软骨、膝盖骨和颌骨等 3D 打印身体部位的可靠性。

卡夫拉基表示，研究小组使用的方法有可能在其他实验室使用。 正如《科学日报》引用卡夫拉基的话：

“从长远来看，实验室应该能够了解哪些材料可以为他们提供不同类型的打印支架，从长远来看，甚至可以预测他们尚未尝试过的材料的结果。 我们现在没有足够的数据来做到这一点，但在某些时候我们认为我们应该能够生成这样的模型。”