工程师使用机器学习来加速生物支架的开发

赖斯大学的研究人员称，一定剂量的人工智能可以加快3D打印的生物支架的发展，从而帮助伤口愈合。

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

赖斯布朗工程学院的计算机科学家Lydia Kavraki领导的一个团队使用了一种机器学习方法来预测支架材料的质量（给定了打印参数）。这项工作还发现，控制打印速度对于制造高质量的植入物至关重要。

共同作者和赖斯生物工程师安东尼奥斯·米科斯（Antonios Mikos）开发的生物支架是骨状结构，可作为受伤组织的占位符。它们具有多孔性，可支持变成新组织并最终取代植入物的细胞和血管的生长。

Mikos在很大程度上与工程复杂组织中心合作开发了生物支架，以改善治愈颅面和肌肉骨骼伤口的技术。这项工作已经进展到包括复杂的3D打印，可以使生物相容性植入物定制适合伤口部位。

这并不意味着没有改进的空间。借助机器学习技术，可以更快地设计材料和开发工艺来创建植入物，并消除很多试验和错误。

“我们能够就最有可能影响打印质量的参数给出反馈，因此，当他们继续进行实验时，他们可以专注于某些参数而忽略其他参数，”著名的人工智能机器人学专家机构Kavraki说。赖斯的肯尼迪研究所所长和生物医学主任。

该小组在组织工程A部分中报告了其结果。

该研究确定打印速度是团队测量的五个指标中最重要的指标，其他指标的重要性从高到低依次为材料成分，压力，分层和间距。

Mikos和他的学生已经考虑过将机器学习融入其中。

米科斯说：“在许多学生和教师无法进入实验室的情况下，这是取得长足进步的一种方式。”

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。图片来源：杰夫·菲特洛/莱斯大学
Kavraki表示，研究人员-她的实验室的研究生Anja Conev和Eleni Litsa以及研究生的Marissa Perez和Mikos实验室的博士后研究员Mani Diba，都是该论文的合著者-开始时就花时间建立了大规模研究方法来自2016年有关使用可生物降解的聚（富马酸丙二酸丙二酯）印刷支架的研究的数据，然后找出了训练计算机模型还需要什么。