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加快3D打印生物支架的开发速度来帮助愈合伤口。生物支架是允许有机物体，如皮肤和器官，在其上生长的材料。最近，莱斯大学的研究人员将人工智能算法应用于生物支架材料的开发，目标是预测打印材料的质量。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ScienceDaily报道，莱斯大学的一组研究人员合作使用机器学习来识别生物支架材料的可能改进。计算机科学家Lydia Kavraki来自莱斯大学的布朗工程学院，领导一个研究团队，应用机器学习算法来预测支架材料的质量。该研究由莱斯大学的生物工程师Antonios Mikos共同撰写，他从事骨样生物支架的研究，这些生物支架作为组织替代品，旨在支持血管和细胞的生长，并使受伤的组织能够更快地愈合。Mikos从事的生物支架旨在愈合肌肉骨骼和颅面伤口。这些生物支架是在3D打印技术的帮助下生产的，生产出适合特定伤口周围的支架。

3D打印生物支架材料的过程需要大量的试验和错误来使打印批次恰到好处。各种参数，如材料组成、结构和间距必须考虑在内。应用机器学习技术可以减少很多试验和错误，为工程师提供有用的指南，减少了调整参数的需要。Kavraki和其他研究人员能够为生物工程团队提供反馈，告诉他们哪些参数最重要，哪些参数最可能影响打印材料的质量。

研究团队首先分析了2016年关于可生物降解的丙烯酸酯的研究数据。除了这些数据外，研究人员制定了一套变量，以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，研究人员就能够设计模型、测试它们并在半年多的时间内发表结果。

在机器学习模型方面，研究团队尝试了两种不同的方法。两种机器学习方法都是基于随机森林算法的，这些算法聚合决策树以实现更强大和准确的模型。团队测试的一种模型是二元分类方法，预测一组特定的参数是否会导致低质量或高质量的产品。同时，第二种分类方法使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，高质量生物支架的最重要参数是间距、分层、压力、材料组成和打印速度。打印速度是最重要的变量，其次是材料组成。希望研究结果能够带来更好、更快的生物支架打印，从而提高3D打印身体部位如软骨、髌骨和下颌骨的可靠性。

根据Kavraki的说法，研究团队使用的方法有可能在其他实验室中使用。 正如Kavraki被ScienceDaily引用：

“从长远来看，实验室应该能够理解他们的材料可以给他们不同的打印支架，并且在非常长的时间内，甚至可以预测他们尚未尝试过的材料的结果。我们目前还没有足够的数据来做到这一点，但我们认为我们应该能够生成这样的模型。”