¶ 3D生物打印与人工智能结合在牙龈组织修复中的应用
 |
¶ Dr. Gopu Sriram现任职务： 助理教授（Assistant Professor），新加坡国立大学（NUS）牙科学院。 增材制造中心联合负责人（Thrust Co-Lead），负责牙科与颅面3D打印应用（NUS Centre for Additive Manufacturing, AM.NUS）。 荣誉任命： 新加坡国立大学牙科学院客座教授（Courtesy Appointment）。 |
¶ 在线视频链接：https://www.bilibili.com/video/BV1xudjYTEko/?vd_source=0de6cbdf9f83c51ed80463fb5c24795d
¶ 1. 研究背景与问题陈述
牙龈疾病的挑战：
牙龈疾病（如牙龈退缩）影响全球超过70%的65岁以上人群。
当前治疗方法包括自体移植（从上颚取组织移植）或使用胶原蛋白基质，但存在以下问题：
自体移植导致供区疼痛、组织量有限。
胶原基质效果不如自体组织，且可能因细胞活动收缩变形。
牙龈组织具有复杂的界面（软硬组织交界）和微环境（细菌、食物、口腔习惯等），修复难度高。
个性化需求：
牙龈形状因人而异，甚至同一人口内不同牙齿（如前牙与后牙）的形态差异显著，需定制化修复方案。
¶ 2. 解决方案：3D生物打印与AI优化
技术核心：
3D生物打印：通过空间控制（XYZ轴）精准打印细胞和生物材料，实现个性化移植物。
AI优化参数：利用人工智能（Identify AI平台）快速筛选最佳打印参数，大幅减少实验次数。
生物墨水开发：
成分：
基础基质：纤维蛋白原（源自血凝块，细胞亲和性高）。
增稠剂：纳米纤维素、麦芽糊精、黄原胶（控制流变性）。
交联剂：聚乙二醇、凝血酶、氯化钙（稳定结构）。
四种配方：增稠剂浓度从1.5%到3%递增，以平衡打印性和机械强度。
流变学特性验证：
剪切稀化：粘度随剪切力增加而降低，确保顺利通过打印喷嘴。
粘弹性：储存模量（G’）高于损耗模量（G”），保证打印后结构稳定性。
各向同性恢复：模拟打印后结构恢复形状的能力。
¶ 3. AI在生物打印参数优化中的应用
传统方法的局限：
需测试3种喷嘴直径、5种压力、8种速度，每种重复3次，共1,440次实验（四种生物墨水配方）。
AI工作流程：
训练数据：仅需25组打印实验（覆盖低、中、高参数组合）。
正交阵列分析：Identify AI平台识别关键参数交互（如生物墨水浓度与压力的非线性关系）。
输出优化组合：推荐13组参数，预测灯丝直径在目标范围（0.3–0.6 mm），实验验证显示70-80%相关性。
优势：
减少实验量至1.7%（25 vs 1,440次），显著节省时间和资源。
适用于其他生物打印场景（如皮肤、骨骼肌、培养肉）。
¶ 4. 生物打印牙龈组织的验证
细胞活性与功能：
存活率：打印后细胞存活率>93%，培养3天后成纤维细胞伸展并增殖。
上皮形成：角质形成细胞在气液界面培养下分层，模拟天然牙龈结构。
免疫染色：表达细胞角蛋白5/10（上皮标志物）、胶原蛋白1/10（结缔组织标志物），与天然组织一致。
形状保持能力：
增稠剂浓度≥2.5%的生物墨水能维持复杂形状（如牙间乳头），避免低浓度导致的塌陷或高浓度导致的膨出。
动物模型初步结果：
小鼠皮下移植显示生物打印组织与宿主整合潜力。
¶ 5. 跨领域应用与未来方向
其他组织工程：
皮肤、粘膜、骨骼肌等软组织缺损修复。
培养肉产业（定制化生物打印肉制品）。
临床转化计划：
申请资助推进动物实验，最终目标为人体临床试验。
¶ 6. 合作与致谢
团队：
新加坡国立大学（NUS）数字医学研究所（何凯教授的Identify AI平台）。
学生与研究人员（如Yi Chen优化打印参数）。
资助机构：
NUHS、NAMIC（增材制造创新集群）等支持。
¶ 7. 问答环节亮点
AI工具：Identify AI基于“N of 1”原则，适应小数据集，不同于依赖大数据的传统AI。
验证方法：通过13组AI推荐参数的实际打印结果验证模型（70%初始相关性，优化后>80%）。
生物材料选择：纤维蛋白原优于胶原蛋白（避免收缩问题），但胶原蛋白可通过高浓度或交联改进。
细胞来源：iPSC或MSC衍生成纤维细胞可行，角质形成细胞需多能干细胞分化。
¶ 总结
Dr. Gopu的团队通过结合3D生物打印与AI参数优化，开发出个性化牙龈移植物，解决了传统治疗的局限。其核心创新在于：
智能优化：AI大幅加速打印参数筛选。
多功能生物墨水：平衡打印性、机械强度和生物相容性。
跨学科应用：平台可扩展至其他软组织工程领域。未来工作将聚焦临床转化及更复杂的组织构建。