机器学习加速了生物支架的开发

这项工作还发现，控制打印速度对制作高质量的产品至关重要植入物．由莱斯大学生物工程师Antonios Mikos共同开发的生物支架是一种骨状结构，可以作为受伤组织的占位物。它们是多孔的，以支持细胞和血管的生长，使其变成新的组织并最终取代植入物。

Mikos一直在开发Biosc条带，主要是与工程复合组织中心的音乐会，改善治愈颅面和肌肉骨骼伤口的技术。这项工作已经进展包括复杂新利18官方这可以使生物相容性植入物定制适合伤口部位。

借助于机器学习制造植入物的技术、设计材料和开发过程可以更快，并消除大量的试验和错误。“我们能够就哪些参数最有可能影响打印质量给出反馈，所以当他们继续他们的实验时，他们可以专注于一些参数，而忽略其他的，”卡夫拉基说，他是著名的权威机器人，人工智能与生物医学和赖斯肯肯尼迪研究所主任。

Kavraki表示，研究人员 - 研究生Anja Conev和Eleni Litsa在她的实验室和研究生Marissa Perez和Mikos Lab的博士·佩雷斯和博士生·梅妮迪巴，所有论文的共同作者 - 花时间建立了一种质量的方法来自2016年印刷研究的数据脚手架用可生物降解的聚(富马酸丙烯)，然后再研究训练计算机模型还需要什么。

该团队探索了两种建模方法。一种是分类方法，预测给定的一组参数是否会产生“低”或“高”质量的支架。另一种是基于回归的方法，通过近似打印质量度量值来得到结果。卡夫拉基说，两者都依赖于一种被称为随机森林的“经典监督学习技术”，这种技术可以构建多个“决策树”，并将它们“合并”在一起，以获得更准确、更稳定的预测。最终，这项合作可能会带来更好的方法，可以根据需要快速打印定制的下颚骨、膝盖骨或软骨。

“一个非常重要的方面是发现新事物的潜力，”Mikos说。“这种研究行不仅为我们提供了优化我们有许多变量的系统的能力 - 这也非常重要 - 但也可能发现完全新的和意外的东西。在我看来，这是真正的美丽这项工作。“这是一个很好的融合的例子，”他说。“我们有很多东西可以从计算机科学的进步中学习人工智能这项研究是一个完美的例子，说明它们将如何帮助我们变得更有效率。”

“从长远来看，实验室应该能够了解他们的哪些材料可以给他们不同种类的印刷脚手架，并且在很长的运行中，甚至预测他们没有尝试的材料的结果。我们没有足够的数据现在这样做，但在某些时候，我们认为我们应该能够产生这样的模型，“Kavraki说。“人工智能在新材料中发挥着作用，所以研究所的优惠应该对这校区的人们感兴趣，”她说。“材料科学与计算的交叉点有这么多的问题，我们可以越来越多地上班的人越好。”

这项研究发表了组织工程部分A.．