ИИ может расширить лечение с помощью биокаффолдов

По мнению исследователей из Университета Райса, доза искусственного интеллекта может ускорить разработку напечатанных на 3D-принтере биологических каркасов, которые помогают заживать травмы.

Команда под руководством специалиста по информатике Лидии Кавраки из инженерной школы Райс Брауна использовала подход машинного обучения для прогнозирования качества материалов каркаса с учетом параметров печати. Работа также показала, что контроль скорости печати имеет решающее значение для создания высококачественных имплантатов.

Биоскаффолды, разработанные соавтором и биоинженером Райса Антониосом Микосом, представляют собой костоподобные структуры, которые служат заполнителями для поврежденной ткани. Они пористые, чтобы поддерживать рост клеток и кровеносных сосудов, которые превращаются в новую ткань и в конечном итоге заменяют имплант.

Микос разрабатывает биопокрытия, в основном совместно с Центром инженерных сложных тканей, чтобы улучшить методы лечения черепно-лицевых и скелетно-мышечных ран. Эта работа продолжилась и включает в себя сложную 3D-печать, с помощью которой можно адаптировать биосовместимый имплант к месту раны.

Это не значит, что нет места для улучшения. С помощью методов машинного обучения разработка материалов и разработка процессов для создания имплантатов может быть быстрее и устраняет множество проб и ошибок.

«Мы смогли дать обратную связь о том, какие параметры с наибольшей вероятностью повлияют на качество печати, поэтому, когда они продолжат свои эксперименты, они могут сосредоточиться на некоторых параметрах и игнорировать другие», – сказал Кавраки, специалист по робототехнике, искусственному интеллекту и биомедицины и директор Института Кена Кеннеди Райса.

Команда сообщила о своих результатах в Tissue Engineering Часть A .

В ходе исследования скорость печати была определена как наиболее важный из пяти показателей, измеренных командой. Остальные в порядке убывания важности – это состав материала, давление, наслоение и расстояние.

Микос и его ученики уже подумали о добавлении машинного обучения. Пандемия COVID-19 создала уникальную возможность для реализации проекта.

«Это был способ добиться большого прогресса, хотя многие студенты и преподаватели не могли попасть в лабораторию», – сказал Микос.

Кавраки сказал, что исследователям – аспирантам Ане Конев и Элени Лица в ее лаборатории и аспиранту Мариссе Перес и докторанту Мани Диба в лаборатории Микоса, всем соавторам статьи – потребовалось время вначале, чтобы разработать подход к массив данных из исследования 2016 года по печати каркасов с биоразлагаемым полипропиленфумаратом, а затем выяснить, что еще нужно для обучения компьютерных моделей.

«Студенты должны были придумать, как разговаривать друг с другом, и когда они это сделали, было удивительно, как быстро они прогрессировали», – сказал Кавраки.

Окно COVID-19 позволяет им собирать данные, разрабатывать модели и получать результаты от начала до конца в течение семи месяцев, записывая время для процесса, который часто может занять годы.

Команда исследовала два подхода к моделированию. Одним из них был метод классификации, который предсказывал, приведет ли данный набор параметров к созданию каркаса “низкого” или “высокого” качества. Другой был подход, основанный на регрессии, который приближал значения показателей качества печати для получения результата. Кавраки сказал, что оба они полагались на «классический метод обучения с учителем», называемый случайным лесом, который строит несколько «деревьев решений» и «объединяет» их вместе, чтобы получить более точный и стабильный прогноз.

В конечном итоге совместная работа может привести к созданию более эффективных способов быстрой печати индивидуализированной челюсти, коленной чашечки или фрагмента хряща по запросу.

«Чрезвычайно важным аспектом является возможность открывать новые вещи», – сказал Микос. «Это направление исследований дает нам не только возможность оптимизировать систему, для которой у нас есть ряд переменных, что очень важно, но и возможность обнаружить что-то совершенно новое и неожиданное. На мой взгляд, это настоящая красота этой работы.

«Это отличный пример конвергенции», – сказал он. «Нам есть чему поучиться на достижениях 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 типы печатных строительных лесов, а в очень долгосрочной перспективе даже предсказать результаты для материалов, которые они не пробовали», – сказал Кавраки. «У нас недостаточно данных для этого прямо сейчас, но в какой-то момент мы думаем, что сможем создать такие модели».

Кавраки отметил, что Институт Уэлча, недавно созданный в Райсе для повышения и без того звездной репутации университета в области передовых материаловедения, имеет большой потенциал для расширения такого сотрудничества.

«Искусственный интеллект играет определенную роль в новых материалах, поэтому то, что предлагает институт, должно заинтересовать людей в этом кампусе», – сказала она. «На стыке материаловедения и информатики возникает так много проблем, и чем больше людей мы сможем над ними поработать, тем лучше».


Источник истории:

Материалы предоставлены Университетом Райса . Примечание. Содержимое можно редактировать по стилю и длине.


Ссылка на журнал :

  1. Аня Конев, Элени Лица, Марисса Перес, Мани Диба, Антониос Г. Микос, Лидия Кавраки. 3D-печать каркасов тканевой инженерии под управлением машинного обучения . Тканевая инженерия, часть A , 2020; DOI: 10.1089 / ten.TEA.2020.0191