本報訊 近日，美國萊斯大學研究人員稱，人工智慧可以加速3D列印生物支架的開發，從而幫助傷口癒合。計算機科學家Lydia Kavraki領導的團隊使用機器學習方法預測了支架材料的質量，並能給出列印參數。這項研究還發現，控制列印速度對於製造高質量植入物至關重要。相關論文刊登於《組織工程學A》。
研究合作者、該校生物工程師Antonios Mikos一直在開發生物支架，以改進修復顱面和肌肉骨骼創傷的技術。他開發出一種骨骼狀結構的生物支架，可以作為損傷組織的佔位物。它們是多孔的，可以支持細胞和血管的生長，這些細胞和血管會變成新的組織，最終取代植入物。
然而這並不意味著沒有改進的空間。在機器學習技術的幫助下，研究人員設計材料和開發製造植入物的過程變得更快，並減少了很多嘗試和錯誤。「我們能夠提供最有可能影響印刷質量的參數。」Kavraki說。
該研究發現，列印速度是團隊測量的5個指標中最重要的，其他指標依次為材料組成、壓力、分層和間距。
Mikos和學生之前就已經考慮過將機器學習納入研究。而新冠肺炎大流行為開展該項目創造了獨特的機會。Mikos說:「在學生和教師無法到達實驗室的情況下，這是一種取得巨大進步的方法。」從開始到結束，新冠肺炎讓他們能夠在7個月內收集數據、開發模型並論述結果，這是一個通常需要數年時間的過程。
該團隊探索了兩種建模方法。一種是分類方法，預測給定的一組參數是否產生「低」或「高」質量的支架。另一種是基於回歸的方法，近似列印質量的度量值以得到結果。Kavraki表示，兩者都依賴於一種被稱為隨機森林的「經典監督學習技術」，這種技術構建多個「決策樹」，並將它們「合併」在一起，從而獲得更準確、穩定的預測。（魯亦）
相關論文信息：
http://dx.doi.org/10.1089/ten.TEA.2020.0191
版權聲明：本文轉載僅僅是出於傳播信息的需要，並不意味著代表本網站觀點或證實其內容的真實性；如其他媒體、網站或個人從本網站轉載使用，須保留本網站註明的「來源」，並自負版權等法律責任；作者如果不希望被轉載或者聯繫轉載稿費等事宜，請與我們接洽。