在莱斯大学开发的机器学习算法的帮助下设计出的“高质量” 3D打印生物支架。比例尺等于1毫米。

莱斯大学的研究人员称，人工智能可以加速3d打印生物样本的开发，从而可以帮助伤口愈合。

一个由莱斯大学布朗工程学院的计算机科学家Lydia Kavraki领导的团队使用机器学习的方法来预测支架材料的质量，给定打印参数。这项研究还发现，控制打印速度对于制造高质量的植入物至关重要。

由合著者和水稻生物工程师Antonios Mikos开发的生物oscaffolds是骨骼状结构，可以作为损伤组织的占位物。它们是多孔的，可以支持细胞和血管的生长，这些细胞和血管会变成新的组织，最终取代植入物。

Mikos一直在开发生物oscaffolds，主要与复杂组织工程中心合作，以改进修复颅面和肌肉骨骼创伤的技术。这项工作已经取得了进展，其中包括先进的3d打印技术，可以使生物相容性植入物量身定制适合伤口部位。

这并不意味着没有改进的空间。在机器学习技术的帮助下，设计材料和开发制造植入物的过程可以更快，并减少很多尝试和错误。

“我们能够提供反馈的参数是最有可能影响印刷质量的,所以当他们继续他们的实验,他们可以专注于一些参数,忽略了其他人,“Kavraki说,著名的权威机器人、人工智能、生物医学和大米的肯·肯尼迪研究所主任。

该团队在组织工程A部分报告了其结果。

研究发现，打印速度是团队测量的五个指标中最重要的，其他指标依次为材料组成、压力、分层和间距。

Mikos和他的学生们已经考虑过将机器学习纳入其中。COVID-19大流行为开展该项目创造了独特的机会。

Mikos说:“在许多学生和教师无法到达实验室的情况下，这是一种取得巨大进步的方法。”

赖斯大学的研究人员说，人工智能可以加快3D打印的生物支架的开发，从而帮助伤口愈合。

Kavraki说researchers-graduate学生安雅Conev Eleni Litsa玛丽莎·佩雷斯在她的实验室和研究生和博士后的摩尼Diba巫女实验室,以时间在开始的所有合作者建立方法大量的数据从2016年的一项研究在印刷支架生物降解聚(丙烯酰胺),然后找出更多需要训练计算机模型。

卡瓦拉基说:“学生们必须弄清楚如何相互交流，一旦他们学会了，他们进步的速度之快令人惊讶。”

从开始到结束，COVID-19窗口让他们能够在7个月内收集数据、开发模型并发表结果，这是一个通常需要数年时间的过程的记录时间。

该团队探索了两种建模方法。一种是分类方法，预测给定的一组参数是否会产生“低”或“高”质量的支架。另一种是基于回归的方法，它近似打印质量度量的值以得到结果。Kavraki表示，两者都依赖于一种被称为随机森林的“经典监督学习技术”，这种技术构建多个“决策树”，并将它们“合并”在一起，从而获得更准确、更稳定的预测。

最终，这一合作将带来更好的方法，可以根据需要快速打印出定制的颌骨、膝盖骨或软骨。

“一个非常重要的方面是发现新事物的潜力，”Mikos说。“这条研究路线不仅让我们有能力优化一个拥有大量变量的系统——这是非常重要的——还让我们有可能发现一些全新的、意想不到的东西。”在我看来，这才是这个作品真正的美。

“这是融合的一个很好的例子，”他说。“我们需要从计算机科学和人工智能的进步中学习很多东西，这项研究是一个完美的例子，说明它们将如何帮助我们变得更有效率。”

卡瓦拉基说:“从长远来看，实验室应该能够了解哪些材料可以提供不同种类的打印支架，甚至可以预测尚未试验过的材料的结果。”“我们现在没有足够的数据来做这个，但在某个时候，我们认为我们应该能够产生这样的模型。”

卡瓦基指出，韦尔奇研究所(Welch Institute)在扩大这种合作方面具有巨大潜力。韦尔奇研究所最近在赖斯大学成立，旨在提高该校在先进材料科学方面的声誉。

“人工智能可以在新材料中发挥作用，所以学院提供的东西应该会引起校园里人们的兴趣，”她说。“在材料科学和计算的交叉领域存在着太多的问题，有更多的人参与其中，效果会更好。”