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伤口。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。美国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。

正如《科学日报》报道的那样，莱斯大学的研究人员团队合作使用机器学习来确定生物支架材料的可能改进。赖斯布朗工程学院的计算机科学家Lydia Kavraki领导了一个研究小组，该研究小组应用了机器学习算法来预测支架材料的质量。这项研究报告是由赖斯生物工程公司的AntoniosMikos共同撰写的，他致力于骨骼状生物支架的研究，该支架可作为组织的替代物，旨在支持血管和细胞的生长，并使受伤的组织更快地愈合。Mikos从事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，该技术可以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正确地打印批次。必须考虑各种参数，例如材料成分、结构和间距。机器学习技术的应用可以减少很多尝试和错误，为工程师提供了有用的指导，从而减少了对参数的摆弄。Kavraki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年生物降解聚丙烯富马酸酯研究中的印刷支架数据。除了这些数据之外，研究人员还提出了一组变量来帮助他们设计机器学习分类器。一旦收集到所有必要的数据，研究人员就能够设计模型，对其进行测试，并在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，该团队尝试了两种不同的方法。两种机器学习方法均基于随机森林算法，该算法汇总决策树以实现更健壮和准确的模型。团队测试的模型之一是二进制分类方法，该方法可以预测一组特定的参数会导致产品质量低劣还是高质量。同时，第二种分类方法利用了一种回归方法，该方法可以估算出哪些参数值可以提供高质量的结果。

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。它希望这项研究结果能够更好，更快地打印生物支架，从而提高3D打印身体部位（如软骨、膝盖骨和颚骨）的可靠性。

据Kavraki称，研究小组使用的方法有可能在其他实验室中使用。正如《科学日报》援引Kavraki的话：“从长远来看，实验室应该能够了解他们的哪些材料可以为他们提供不同种类的打印支架，并且从长远来看，甚至可以预测未尝试使用的材料的结果。我们目前没有足够的数据来执行此操作，但是在某些时候，我们认为应该能够生成这样的模型。”