賴斯大學的研究人員稱，一定劑量的人工智能可以加快3D打印的生物支架的發(fā)展，從而幫助傷口愈合。

賴斯布朗工程學院的計算機科學家Lydia Kavraki領導的一個團隊使用了一種機器學習方法來預測支架材料的質量（給定了打印參數(shù)）。這項工作還發(fā)現(xiàn)，控制打印速度對于制造高質量的植入物至關重要。

共同作者和賴斯生物工程師安東尼奧斯·米科斯（Antonios Mikos）開發(fā)的生物支架是骨狀結構，可作為受傷組織的占位符。它們具有多孔性，可支持變成新組織并最終取代植入物的細胞和血管的生長。

Mikos在很大程度上與工程復雜組織中心合作開發(fā)了生物支架，以改善治愈顱面和肌肉骨骼傷口的技術。這項工作已經(jīng)進展到包括復雜的3D打印，可以使生物相容性植入物定制適合傷口部位。

這并不意味著沒有改進的空間。借助機器學習技術，可以更快地設計材料和開發(fā)工藝來創(chuàng)建植入物，并消除很多試驗和錯誤。

“我們能夠就最有可能影響打印質量的參數(shù)給出反饋，因此，當他們繼續(xù)進行實驗時，它們可以專注于某些參數(shù)，而忽略其他參數(shù)，”機器人，人工智能和人工智能研究機構Kavraki表示。賴斯的肯尼迪研究所所長。

該小組在組織工程A部分中報告了其結果。

該研究確定打印速度是團隊測量的五個指標中最重要的指標，其他指標的重要性從高到低依次為材料成分，壓力，分層和間距。

Mikos和他的學生已經(jīng)考慮過將機器學習融入其中。COVID-19大流行為實施該項目創(chuàng)造了獨特的機會。

米科斯說：“在許多學生和教師無法進入實驗室的情況下，這是取得長足進步的一種方式?！?/p>

Kavraki說，研究人員-她的實驗室的研究生Anja Conev和Eleni Litsa以及研究生的Marissa Perez和Mikos實驗室的博士后研究員Mani Diba，都是本文的共同作者-在開始時花了一些時間來建立一種研究方法。來自2016年有關使用可生物降解的聚富馬酸丙二醇酯印刷腳手架的研究的大量數(shù)據(jù)，然后找出了訓練計算機模型還需要更多的數(shù)據(jù)。

卡夫拉基說：“學生們不得不弄清楚如何互相交談，一旦他們做到了，他們進步的速度真是令人驚訝。”

從頭到尾，COVID-19窗口使他們可以組裝數(shù)據(jù)，開發(fā)模型并在七個月內發(fā)布結果，并記錄可能需要數(shù)年時間的過程的時間。

團隊探索了兩種建模方法。一種是分類方法，其預測給定的一組參數(shù)會產(chǎn)生“低”或“高”質量的支架。另一種是基于回歸的方法，可以近似得出打印質量指標的值以得出結果。Kavraki說，兩者都依靠一種稱為“隨機森林”的“經(jīng)典監(jiān)督學習技術”，該技術可以構建多個“決策樹”并將它們“合并”在一起以獲得更準確和穩(wěn)定的預測。