Доза искусственного интеллекта может ускорить разработку 3D-печатных биос коноидов, которые помогают заживлять травмы, по мнению исследователей из Университета Гайса.
Команда, возглавляемая компьютерным ученым Лидией Аврики из Инженерной школы Гайса Брауна, использовала подход машинного обучения для прогнозирования качества строительных материалов с учетом параметров печати. В ходе работы также было установлено, что контроль скорости печати имеет решающее значение для изготовления высококачественных имплантатов.Биос коноиды, разработанные соавтором и биоинженерном риса Антониосом Икосом, представляют собой Косте подобные структуры, которые служат заполнителями для поврежденных тканей. Они пористы, чтобы поддерживать рост клеток и кровеносных сосудов, которые превращаются в новые ткани и в конечном итоге заменяют имплантат.
Компания Mikos занимается разработкой биос коноидов, в основном совместно с центром разработки сложных тканей, для совершенствования методов лечения черепно-лицевых и костно-мышечных РАН. Эта работа продвинулась вперед, чтобы включить сложную 3D-печать, которая может сделать биосовместимый имплантат индивидуально подогнанным к месту раны.
Это не значит, что нет места для улучшения. С помощью методов машинного обучения, проектирования материалов и разработки процессов для создания имплантатов можно быстрее и устранить много проб и ошибок.
Мы смогли дать обратную связь о том, какие параметры наиболее вероятно влияют на качество печати поэтому когда они продолжают свои эксперименты, они могут сосредоточиться на одних параметрах и игнорировать другие, сказал Аварки, известный авторитет в области робототехники, искусственного интеллекта и биомедицины и директор Института Кена Кеннеди Гайса.
Команда сообщила о своих результатах в части, а тканевая инженерия (машинное обучение управляемой 3D-печати каркасов тканевой инженерии).
В ходе исследования было определено, что скорость печати является наиболее важным из пяти показателей, которые были измерены командой, а другие в порядке убывания важности-это состав материала, давление, расслоение и расстояние.
Mikos и его ученики уже подумывали о том, чтобы включить в этот процесс машинное обучение. Пандемия COVID-19 создала уникальную возможность для осуществления этого проекта.Это был способ добиться больших успехов, в то время как многие студенты и преподаватели не могли попасть в лаборатории.
Студенты должны были понять, как разговаривать друг с другом, и как только они это сделали, было удивительно, как быстро они прогрессировали.
От начала до конца окно COVID-19 позволяет им собирать данные, разрабатывать модели и публиковать результаты в течение семи месяцев-рекордное время для процесса, который часто может занять годы.
Команда исследовала два подхода к моделированию. Одним из них был метод классификации, который предсказывал, будет ли данный набор параметров производить низкий или высокий качественный каркас. Другой подход был основан на регрессии, которая аппроксимировала значения показателей качества печати, чтобы получить результат. Аварки сказал, что оба опирались на классическую методику контролируемого обучения, называемую случайным лесом, который строит несколько” деревьев решений и объединяет их вместе, чтобы получить более точное и стабильное предсказание.
В конечном счете, сотрудничество может привести к лучшим способам быстрой печати настроенной челюстной кости, коленной чашечки или кусочка хряща по требованию.
Чрезвычайно важным аспектом является потенциал для открытия новых вещей, сказал Икос. Это направление исследований дает нам не только возможность оптимизировать систему, для которой у нас есть ряд переменных, что очень важно, но и возможность открыть что-то совершенно новое. На мой взгляд, в этом и заключается настоящая красота этой работы.
Это отличный пример конвергенции. Мы должны многому научиться у достижений в области информатики и искусственного интеллекта, и это исследование является прекрасным примером того, как они помогут нам стать более эффективными.
В долгосрочной перспективе, лаборатории должны быть в состоянии понять, какие из их материалов могут дать им различные виды печатных лесов, и в очень долгосрочной перспективе, даже предсказать результаты для материалов, которые они не пробовали. Сейчас у нас недостаточно данных для этого, но в какой-то момент мы думаем, что сможем создать такие модели.
Искусственный интеллект должен играть определенную роль в новых материалах, поэтому то, что предлагает Институт, должно быть интересно людям в этом кампусе. Существует так много проблем на пересечении материаловедения и вычислительной техники, и чем больше людей мы сможем заставить работать над ними, тем лучше.
