AI驱动的生物打印加速了组织工程

莱斯大学的研究人员使用人工智能（AI）来加快3D打印生物支架的开发，以帮助伤口愈合。赖斯大学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两种机器学习方法来预测支架材料的质量（给定打印参数）。发表在《组织工程》第A部分上的研究结果表明，控制打印速度对于制造高质量的植入物至关重要。

得益于AI的准确数据处理和预测功能，生物技术领域的科学家广泛依赖于AI工具和技术（例如机器和深度学习）来解决实际问题并改善发现，从而有助于疾病的诊断和治疗，个性化医学等。

据普华永道（PricewaterhouseCoopers）的一份报告，到2030年，人工智能可以为全球经济贡献15.7万亿美元，而最近对制药和生命科学专家的调查显示，已有44％的人在其研发活动中使用了人工智能。

在莱斯大学开发的机器学习算法的帮助下设计出了一种“高质量”的3D打印生物支架。比例尺等于1毫米。（图片由Mikos研究小组提供）

赖斯大学的生物工程和研究合著者安东尼奥斯·米科斯（Antonios Mikos）一直在与复杂组织工程中心一起开发生物支架，以改善治愈颅面和肌肉骨骼伤口的技术。根据莱斯大学的说法，生物支架是骨骼状的结构，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的工作已取得进展，包括可以使生物相容性植入物定制适合伤口部位的复杂3D打印。现在，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，并且消除了很多试验和错误。

该团队探索了两种基于机器学习的建模方法。一种是基于直接分类的方法，该方法可预测给定的一组参数会产生“低”或“高”质量的支架打印。另一种是基于回归的方法，可以近似得出打印质量指标的值来得出结果。研究人员报告说，这两种模型都是建立在一种称为“ 随机森林 ”的“经典监督学习技术”的基础上的，该技术建立了多个“决策树”并将它们“合并”在一起以获得更准确和稳定的预测。

该团队在先前研究中生成的数据集上训练和评估了模型，该数据集通过基于挤压的3D打印和全要素设计研究了多孔聚合物支架的制造。最终，这种合作可以带来更好的方法，以根据需要快速打印定制的颌骨，膝盖骨或软骨碎片。

“一个非常重要的方面是发现新事物的潜力。这一系列的研究不仅使我们能够优化具有许多变量的系统（这非常重要），而且还能够发现全新的和出乎意料的事物。在我看来，这才是这项工作的真正美。”米科斯说，他是莱斯大学生物工程与化学与生物分子工程学教授，莱斯大学化学与材料科学与纳米工程学教授。“这是融合的一个很好的例子。我们从计算机科学和人工智能的进步中学到很多东西，这项研究是它们如何帮助我们提高效率的完美例证。”

Mikos和他的学生已经考虑将机器学习融入其中，但是2020年COVID-19大流行为推行该项目创造了独特的机会。赖斯大学解释说，从头到尾，COVID-19窗口允许他们组装数据，开发模型并在7个月内发布结果，这被认为是记录该过程的时间，通常需要数年时间。尽管学生必须弄清楚如何进行远程通信，但一旦完成，他们的进步很快。对于Mikos而言，这是在许多学生和教师无法上实验室的时候取得巨大进步的一种方法。

莱斯计算机科学家Lydia Kavraki和莱斯生物工程师Antonios Mikos。（图片由莱斯大学布朗工程学院提供）

Kavraki表示，论文的研究人员和合著者–她实验室的研究生Anja Conev和Eleni Litsa以及Mikos实验室的研究生Marissa Perez和博士后研究员Mani Diba –在开始时就花时间建立了解决这一问题的方法。数据来自2016年关于使用可生物降解的聚富马​​酸丙二酯（PPF）印刷支架的研究的数据，然后确定了训练计算机模型还需要什么。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，其他按重要性降序排列的指标是材料成分，压力，分层和间距。

“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，它们可以专注于某些参数而忽略其他参数，”人工智能机器人技术权威机构Kavraki说赖斯的肯尼迪研究所所长，生物医学和主任。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印刷支架，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，我们认为我们应该能够生成这样的模型。”

Kavraki还指出，人工智能在新材料中扮演着重要的角色，特别是因为在材料科学与计算的交汇中存在着许多问题，并且可以从事更多工作的人越多越好。她还建议，最近在莱斯大学成立的韦尔奇研究所（Welch Institute）可以增强该机构“在先进材料科学领域已享有的良好声誉”，具有巨大的潜力，可以扩大将AI技术纳入生物工程研究的合作。