Una dosis de inteligencia artificial puede acelerar el desarrollo de bioandamios impresos en 3D que ayudan a curar las lesiones, según investigadores de la Universidad de Rice.
Un equipo dirigido por la científica informática Lydia Kavraki de la Escuela de Ingeniería Brown de Rice utilizó un enfoque de aprendizaje automático para predecir la calidad de los materiales del andamio, dados los parámetros de impresión. El trabajo también encontró que controlar la velocidad de impresión es fundamental para hacer implantes de alta calidad.
Los andamios biológicos desarrollados por el coautor y bioingeniero de Rice, Antonios Mikos, son estructuras similares a huesos que sirven como marcadores de posición para el tejido lesionado. Son porosos para apoyar el crecimiento de células y vasos sanguíneos que se convierten en tejido nuevo y finalmente reemplazan el implante.
Mikos ha estado desarrollando bioandamios, en gran parte en conjunto con el Centro de Ingeniería de Tejidos Complejos, para mejorar las técnicas para curar heridas craneofaciales y musculoesqueléticas. Ese trabajo ha progresado para incluir una sofisticada impresión 3D que puede hacer que un implante biocompatible se adapte a la medida del sitiode una herida.
Eso no significa que no haya margen de mejora. Con la ayuda de técnicas de aprendizaje automático, diseñar materiales y desarrollar procesos para crear implantes puede ser más rápido y eliminar muchas pruebas y errores.
"Pudimos brindar comentarios sobre qué parámetros tienen más probabilidades de afectar la calidad de la impresión, de modo que cuando continúen con su experimentación, puedan enfocarse en algunos parámetros e ignorar los demás", dijo Kavraki, una autoridad en robóticainteligencia y biomedicina y director del Instituto Ken Kennedy de Rice.
El equipo informó sus resultados en Ingeniería de tejidos Parte A .
El estudio identificó la velocidad de impresión como la más importante de las cinco métricas que midió el equipo, las otras en orden descendente de importancia son la composición del material, la presión, las capas y el espaciado.
Mikos y sus estudiantes ya habían considerado incorporar el aprendizaje automático a la mezcla. La pandemia de COVID-19 creó una oportunidad única para continuar con el proyecto.
"Esta fue una manera de hacer un gran progreso mientras muchos estudiantes y profesores no pudieron llegar al laboratorio", dijo Mikos.
Kavraki dijo que los investigadores, las estudiantes de posgrado Anja Conev y Eleni Litsa en su laboratorio y la estudiante de posgrado Marissa Perez y la becaria posdoctoral Mani Diba en el laboratorio de Mikos, todos coautores del artículo, se tomaron tiempo al principio para establecer unacercarse a una masa de datos de un estudio de 2016 sobre andamios de impresión con poli fumarato de propileno biodegradable, y luego averiguar qué más se necesitaba para entrenar los modelos de computadora.
"Los estudiantes tuvieron que descubrir cómo hablar entre ellos, y una vez que lo hicieron, fue increíble lo rápido que progresaron", dijo Kavraki.
De principio a fin, la ventana COVID-19 les permite recopilar datos, desarrollar modelos y obtener los resultados publicados en siete meses, tiempo récord para un proceso que a menudo puede llevar años.
El equipo exploró dos enfoques de modelado. Uno era un método de clasificación que predecía si un conjunto dado de parámetros produciría un andamio de calidad "baja" o "alta". El otro era un enfoque basado en regresión que aproximaba los valores de impresión.métricas de calidad para llegar a un resultado. Kavraki dijo que ambos se basaron en una "técnica clásica de aprendizaje supervisado" llamada bosque aleatorio que construye múltiples "árboles de decisión" y los "fusiona" para obtener una predicción más precisa y estable.
En última instancia, la colaboración podría conducir a mejores formas de imprimir rápidamente una mandíbula, rótula o un trozo de cartílago personalizados a pedido.
"Un aspecto sumamente importante es el potencial para descubrir cosas nuevas", dijo Mikos. "Esta línea de investigación nos brinda no solo la capacidad de optimizar un sistema para el que tenemos una serie de variables, lo cual es muy importante"pero también la posibilidad de descubrir algo totalmente nuevo e inesperado. En mi opinión, esa es la verdadera belleza de este trabajo.
"Es un gran ejemplo de convergencia", dijo. "Tenemos mucho que aprender de los avances en informática e inteligencia artificial, y este estudio es un ejemplo perfecto de cómo nos ayudarán a ser más eficientes".
"A largo plazo, los laboratorios deberían poder comprender cuál de sus materiales puede proporcionarles diferentes tipos de andamios impresos y, a la larga, incluso predecir resultados para materiales que no han probado", dijo Kavraki.no tenemos suficientes datos para hacer eso en este momento, pero en algún momento pensamos que deberíamos poder generar dichos modelos ".
Kavraki señaló que el Instituto Welch, establecido recientemente en Rice para mejorar la reputación ya estelar de la universidad en ciencia de materiales avanzados, tiene un gran potencial para expandir tales colaboraciones.
"La inteligencia artificial tiene un papel que desempeñar en los nuevos materiales, por lo que lo que ofrece el instituto debería ser de interés para las personas en este campus", dijo. "Hay tantos problemas en la intersección de la ciencia de los materiales y la informática, ycuanta más gente podamos trabajar en ellos, mejor ".
Fuente de la historia :
Materiales proporcionado por Universidad de Rice . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :