以人工智能驱动的PCL/PEG电支架的优化,以改善体外伤口愈合
Katarina Virijević1, Marko N Živanović1, Dalibor Nikolić1
1Institute for Information Technologies, University of Kragujevac, 34000Kragujevac ,Serbia.
ACS applied materials & interfaces
|April 25, 2024
概括
人工智能优化了用于伤口愈合的电聚烯/聚乙烯甘醇支架. 这些充满抗生素的支架促进了新的血管生长,并增强了体内伤口治疗.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 优化电支架的伤口愈合需要广泛的实验选.
- 聚烯酸 (PCL) 和聚乙烯糖醇 (PEG) 是用于脚手架制造的有前途的生物材料.
- 整合人工智能可以加速新生物材料的发现和优化.
研究的目的:
- 开发一种人工智能驱动的方法,以优化电PCL/PEG支架的生产,以便在体内愈合伤口.
- 通过计算预测和实验验证识别最佳的支架配方.
- 创建充满抗生素的脚手架,以加强伤口治疗.
主要方法:
- 制造125个PCL/PEG电纳米纤维网状组合,使用不同度的甲和二甲基胺.
- 脚手架的结构和机械特性,包括化学成分和纤维直径分析.
- 用实验数据训练神经网络,以创建用于预测最佳脚手架参数的AI模型.
主要成果:
- 人工智能模型成功预测了最佳的脚手架生产解决方案.
- 最有前途的支架配方被确定用于进一步的体外和体外测试.
- 带有抗生素的PCL/PEG支架显示出在体内治疗伤口的巨大潜力.
- 开发的支架促进了新血管生成,并促进了体内伤口治疗.
结论:
- 人工智能是加速材料科学和生物医学科学进步的关键工具.
- 拟议的方法为生物医学材料的初始查提供了一个有效的蓝图.
- 包含抗生素的电PCL/PEG支架在促进新血管生成和体内伤口愈合方面表现出卓越的有效性.
