萊斯大學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，以幫助傷口愈合。賴斯大學布朗工程學院的計算機科學家Lydia Kavraki領導的一個團隊使用了兩種機器學習方法來預測支架材料的質量（給定打印參數）。該研究發表在《組織工程》第A部分上，控制打印速度對于制造高質量的植入物至關重要。

得益于AI的準確數據處理和預測功能，生物技術領域的科學家廣泛依賴于AI工具和技術（例如機器和深度學習）來解決實際問題并改善發現，從而有助于疾病的診斷和治療，個性化醫學等。據普華永道（PricewaterhouseCoopers）的一份報告，到2030年，人工智能可以為全球經濟貢獻15.7萬億美元，而最近對制藥和生命科學專家的調查顯示，已有44％的人在其研發活動中使用了人工智能。

在萊斯大學開發的機器學習算法的幫助下設計出了一種“高質量”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）

該團隊探索了兩種基于機器學習的建模方法。一種是基于直接分類的方法，該方法可預測給定的一組參數會產生“低”或“高”質量的支架打印。另一種是基于回歸的方法，可以近似得出打印質量指標的值以得出結果。研究人員報告說，這兩種模型都是建立在一種稱為“隨機森林”的“經典監督學習技術”的基礎上的，該技術建立了多個“決策樹”并將它們“合并”在一起以獲得更準確和穩定的預測。該團隊在先前研究中生成的數據集上訓練和評估了模型，該數據集通過基于擠壓的3D打印和全要素設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，以根據需要快速打印定制的頜骨，膝蓋骨或軟骨碎片。

Mikos和他的學生已經考慮將機器學習融入其中，但是2020年COVID-19大流行為推行該項目創造了獨特的機會。賴斯大學解釋說，從頭到尾，COVID-19允許他們組裝數據，開發模型并在7個月內發布結果，這被認為是記錄該過程的時間，通常需要數年時間。盡管學生必須弄清楚如何進行遠程通信，但一旦完成，他們的進步很快。對于Mikos而言，這是在許多學生和教師無法上實驗室的時候取得巨大進步的一種方法。

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

“我們能夠就最有可能影響打印質量的參數給出反饋，因此，當他們繼續進行實驗時，它們可以專注于某些參數而忽略其他參數。”人工智能機器人技術權威機構Kavraki說賴斯的肯尼迪研究所所長和生物醫學主任。從長遠來看，實驗室應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，并且從長遠來看，甚至可以預測未嘗試使用的材料的結果。我們目前沒有足夠的數據來執行此操作，但是在某些時候，我們認為我們應該能夠生成這樣的模型。”

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。在先進材料科具有巨大的潛力，可以擴大將AI技術納入生物工程研究的合作。