萊斯大學(xué)的研究人員使用人工智能（AI）來加快3D打印生物支架的開發(fā)，以幫助傷口愈合。賴斯大學(xué)布朗工程學(xué)院的計算機(jī)科學(xué)家Lydia Kavraki領(lǐng)導(dǎo)的一個團(tuán)隊使用了兩種機(jī)器學(xué)習(xí)方法來預(yù)測支架材料的質(zhì)量（給定打印參數(shù)）。該研究發(fā)表在《組織工程》第A部分上，控制打印速度對于制造高質(zhì)量的植入物至關(guān)重要。

得益于AI的準(zhǔn)確數(shù)據(jù)處理和預(yù)測功能，生物技術(shù)領(lǐng)域的科學(xué)家廣泛依賴于AI工具和技術(shù)（例如機(jī)器和深度學(xué)習(xí)）來解決實際問題并改善發(fā)現(xiàn)，從而有助于疾病的診斷和治療，個性化醫(yī)學(xué)等。據(jù)普華永道（PricewaterhouseCoopers）的一份報告，到2030年，人工智能可以為全球經(jīng)濟(jì)貢獻(xiàn)15.7萬億美元，而最近對制藥和生命科學(xué)專家的調(diào)查顯示，已有44％的人在其研發(fā)活動中使用了人工智能。

在萊斯大學(xué)開發(fā)的機(jī)器學(xué)習(xí)算法的幫助下設(shè)計出了一種“高質(zhì)量”的3D打印生物支架。比例尺等于1毫米。

（圖片由Mikos研究小組提供）

該團(tuán)隊探索了兩種基于機(jī)器學(xué)習(xí)的建模方法。一種是基于直接分類的方法，該方法可預(yù)測給定的一組參數(shù)會產(chǎn)生“低”或“高”質(zhì)量的支架打印。另一種是基于回歸的方法，可以近似得出打印質(zhì)量指標(biāo)的值以得出結(jié)果。研究人員報告說，這兩種模型都是建立在一種稱為“隨機(jī)森林”的“經(jīng)典監(jiān)督學(xué)習(xí)技術(shù)”的基礎(chǔ)上的，該技術(shù)建立了多個“決策樹”并將它們“合并”在一起以獲得更準(zhǔn)確和穩(wěn)定的預(yù)測。該團(tuán)隊在先前研究中生成的數(shù)據(jù)集上訓(xùn)練和評估了模型，該數(shù)據(jù)集通過基于擠壓的3D打印和全要素設(shè)計研究了多孔聚合物支架的制造。最終，這種合作可以帶來更好的方法，以根據(jù)需要快速打印定制的頜骨，膝蓋骨或軟骨碎片。

Mikos和他的學(xué)生已經(jīng)考慮將機(jī)器學(xué)習(xí)融入其中，但是2020年COVID-19大流行為推行該項目創(chuàng)造了獨特的機(jī)會。賴斯大學(xué)解釋說，從頭到尾，COVID-19允許他們組裝數(shù)據(jù)，開發(fā)模型并在7個月內(nèi)發(fā)布結(jié)果，這被認(rèn)為是記錄該過程的時間，通常需要數(shù)年時間。盡管學(xué)生必須弄清楚如何進(jìn)行遠(yuǎn)程通信，但一旦完成，他們的進(jìn)步很快。對于Mikos而言，這是在許多學(xué)生和教師無法上實驗室的時候取得巨大進(jìn)步的一種方法。

萊斯計算機(jī)科學(xué)家Lydia Kavraki和萊斯生物工程師Antonios Mikos。 （圖片由萊斯大學(xué)布朗工程學(xué)院提供）

“我們能夠就最有可能影響打印質(zhì)量的參數(shù)給出反饋，因此，當(dāng)他們繼續(xù)進(jìn)行實驗時，它們可以專注于某些參數(shù)而忽略其他參數(shù)?！比斯ぶ悄軝C(jī)器人技術(shù)權(quán)威機(jī)構(gòu)Kavraki說賴斯的肯尼迪研究所所長和生物醫(yī)學(xué)主任。從長遠(yuǎn)來看，實驗室應(yīng)該能夠了解他們的哪些材料可以為他們提供不同種類的印刷支架，并且從長遠(yuǎn)來看，甚至可以預(yù)測未嘗試使用的材料的結(jié)果。我們目前沒有足夠的數(shù)據(jù)來執(zhí)行此操作，但是在某些時候，我們認(rèn)為我們應(yīng)該能夠生成這樣的模型?！?/span>

點評：人工智能在新材料中扮演著重要的角色，特別是因為在材料科學(xué)與計算的交匯中存在著許多問題，并且可以從事更多工作的人越多越好。在先進(jìn)材料科具有巨大的潛力，可以擴(kuò)大將AI技術(shù)納入生物工程研究的合作。