Универсальный метод, упрощающий производство имплантов для регенеративной медицины разработан в ТГУ

Новый подход использует двухслойные персептроны, способные выявлять сложные зависимости даже из небольших наборов экспериментальных данных

Коллектив учёных из Томского политехнического университета (ТПУ) и Сколтеха разработал универсальный метод на основе искусственных нейронных сетей для точного прогнозирования ключевых параметров полимерных скаффолдов — биосовместимых каркасов для регенерации тканей. Это открытие позволяет в разы сократить время и ресурсы, необходимые для разработки и оптимизации таких имплантов, что критически важно для ускоренного внедрения персонализированной регенеративной медицины.

Раньше поиск оптимальных условий производства скаффолдов (таких как диаметр волокон и их прочность) требовал проведения многочисленных дорогостоящих и длительных экспериментов. Традиционные методы статистического моделирования, как показало исследование, часто оказывались несостоятельными:

Результаты исследований показали, что модели дизайна Бокс-Бенкена не смогли предсказать данные по диаметру волокна и прочности на разрыв.

Шадфар Давуди, доцент отделения нефтегазового дела ТПУ

Новый подход использует двухслойные персептроны, которые способны выявлять сложные зависимости даже из небольших наборов экспериментальных данных. Это не только повышает точность прогноза, но и устраняет необходимость в каждом разе проводить обширные лабораторные тесты.

Более того, разработанный метод может быть использован не только для скаффолдов из поликапролактона, но и для различных типов полимеров, из которых можно получить скаффолды методом электроспиннинга.

Сергей Твердохлебов, и.о. руководителя лаборатории плазменных гибридных систем ТПУ

Расчёты подтвердили, что нейросетевые модели значительно превосходят предыдущие методы по точности, особенно в прогнозировании механической прочности — ключевого параметра для успешной имплантации. В перспективе это открывает путь к созданию автоматизированных систем для проектирования скаффолдов с заданными свойствами, что позволит быстрее и дешевле создавать эффективные решения для восстановления повреждённых тканей у пациентов.

Результаты работы, поддержанной Министерством науки и высшего образования РФ, опубликованы в авторитетном международном журнале Computers in Biology and Medicine.