基于人工智能 (AI) 的分析在vivo聚合物和原支架诱导血管化
Enrica Raffaella Grazia Salvante1, Anca Voichita Popoiu2,3, Alina Cristina Barb1,4,5
1Doctoral School, Victor Babes University of Medicine and Pharmacy Timisoara, Timisoara, Romania.
In vivo (Athens, Greece)
|February 28, 2024
概括
基于原的支架比非原的支架更能促进血管形成. 使用人工智能软件的胚胎胆膜 (CAM) 模型为生物材料预选提供了一个有希望的替代方案,可能减少动物试验.
科学领域:
- 生物材料科学 生物材料科学
- 再生医学是一种再生医学.
- 血管生物学 血管生物学
背景情况:
- 生物材料在医学中至关重要,但它们的血管化潜力受到争议.
- 评估支架诱导的血管化对于临床应用至关重要.
- 小胚胎胆 ?? 膜 (CAM) 试验是研究血管生成的一个模型.
研究的目的:
- 为了评估由2D和3D原基架与非原基架诱导的血管化.
- 为了比较由不同的生物材料组成和结构引起的血管性反应.
- 验证人工智能增强的图像分析用于量化血管化的有效性.
主要方法:
- 使用CAM测定用于体内生物材料植入.
- 采用立体显微镜成像用于血管评估.
- 应用IKOSA软件与CAM和网络形成测试来量化容器参数 (分支,面积,长度,厚度).
主要成果:
- 原体支架诱导非炎症性血管生成.
- 非原体的支架引发了显著的炎症和炎症性血管生成.
- 3D原基架显示了持续的,指数级增加的血管分支和面积.
结论:
- 与非原基支架相比,基于原的支架显示出促进新血管化的优越潜力.
- 与人工智能软件相结合的CAM模型对于评估生物材料血管化的有效.
- 这种方法可能会减少生物材料预先选中对动物实验的需求.
