Boneは素晴らしい材料です。 科学者たちは、より永久的な交換のためにそれを模倣する物理学に挑戦しています。

数年前、Amir Zadorは新しい特殊素材を探していました。 彼が立っているとき、彼はより厚く成長するだろう人を必要としていましたが、彼はまた骨として固くなり、書きます BBCについて、放送 ペリスコープお問い合わせ

大変難しかったです。 両端からフレキシブルベルトを引っ張るときに何が起こるのかを考えると、柔軟性がより薄くなります。 オランダのライデン大学医療センターの整形外科教授であるザンドポア氏、そのチームは反対に何かが必要でした。 物理の法則にほぼ挑戦すべきである。

彼らが直面していた問題は、ヒップでした。 モバイル交換は、世界中で行われる最も一般的な整形外科手術の一つです。 問題は、人工盆地を持つ人々は、約2万人のステップを1年服用することです。これは、徐々にそれを消費する力にインプラントを被せます。 数十年以上の使用した後、インプラントはしばしば交換する必要があります。

Zandpoorと彼の同僚は、彼らがインプラントの拠点の各側面に横たわるとき、反対の方法で持ち込まれている2つの異なる材料を置くことによって、この問題を解決することを望んでいた - 圧縮されたときに厚くなるもの、そして他の人がダウンするときに厚いもの。 これは、ノットが圧力下にあったときにフェムールを柔らかくし、インプラントが骨にしっかりと固定されていることを保証するのに役立ちます。

これは、骨と"implantの間のリンクを強化するだろう、Zadorは言います。 すべての研究は、それがうまくいくことを示唆していた. 別の障害がある場合を除き - それらが整形材料が柔らかく、柔軟である傾向があるときに厚くなるいくつかの既知の材料。 ヘルメットや膝の盾などに使われています。

"私たちは、この神秘的な存在感と、荷を運ぶことができる高い剛性率を見つけようとしていました"、 Zadpoorは言います。 "これは恐ろしいハントになります。 "

自動学習は、個々の骨のインプラントを患者の解剖学に適応させることもできます。

チームが人工知能に繋がって支援をしました。 様々な素材がどのように動作するかを予測するために訓練されたIAシステムを使用して、それらが望む特定の特性を含めることができました。 マシンは、"mater"と呼ばれるものの設計で返された - マイクロスコープ構造を変更することにより、奇妙な特性を持つために変更することができる材料。

彼らの仕事は、科学者たちが、かつて検出できないものを開発するのに役立つIAにますます対応している方法の一例です。 そしてそれは生物組織の特性を模倣しようとする人のために特に強力であることを証明します。

"自動学習で、(プロセス)をはるかに高速にすることができます。これにより、必要なものを見つけるために、数千から数百万の他の構造物を探索することができます"、Zadorは言います。

メタマテリアルは、内部構造に応じて、さまざまな人々を持つように設計することができます。例えば、それらに適用される音声の特定の周波数に応じて、固体体や液体のように振る舞うことができます。 しかし、私たちが物理的な方法やシミュレーションに依存したときに、内部構造が依然として挑戦されていることを見つけます。

オランダのTT Delftのマテリアルサイエンスの准教授であるSid Kumar氏は、IAモデルの開発と訓練に1年かかることがあります。 しかし、これが配置されると、システムが実現可能な設計を生成するのに数分か秒かかることがあります。

彼らのプロジェクトの一つで、Kumarと彼の同僚は、IAが高齢者に共通している複雑な骨折を修復するために柔らかい骨のインプラントを作成するために使用できる転移を伴うために使用しました。 プレート、ネジ、チタンまたは鋼製棒は頻繁に使用されますが、骨はそれらの周りに常に治癒しません。 これは、これらのインプラントが適切に統合されていないことを意味するかもしれません。

研究者は、まだ構造を提供する軟質材料は、自然に骨折の回復の初期段階に形成される軟質組織を最高の模倣することができると考えた。 メタマターは、Weblikeの微細構造を含むが、ポリマーやハイドロゲルなどの流体に類似した特性を持ちました。 このソフトな材料は、穴を含む薄い円形包帯のように見えるように設計することができ、生きたセルがそれをコロニングし、それが骨と統合できるようにフレームに配置されます。

フラクチャーの回復の初期段階は、成功に不可欠です"、スイスのETHチューリッヒでバイオマテリアルエンジニアリングのアシスタント教授であるXiao-Hao Qin氏は、研究チームのメンバーである。

骨折を修復するために使用される金属インプラントは、彼らは外部の力を吸収するので、問題になることができる骨よりもさらに柔軟です。 したがって、周囲に形成される骨は、運動中に緊張を経験せず、死に始めることができます。

そこで、熊手と同僚も、腕や足など、長い骨の端に見られるように、同じ形と特性を持つメタマテリアルを望んでいました。 ここでは、内部の骨は、強さと衝撃を吸収する能力を提供する幹骨として知られている蜂蜜の借りのそれに類似したスタイリッシュな構造を持っています。

前の仕事では、熊手と同僚は、骨格骨といくつかの重要な特徴を共有し、脊柱と呼ばれる転移の新しいクラスを導入しました。 どちらも形状に若干不規則なネットに似ている内部構造を持っています。 これらがどのように管理されるかに応じて、異なるレベルの力と剛性を作成します。

フェムル骨、クマール、同僚の特定の剛性など、探していた特性の自動学習のモデルが、ヒトの骨に密接に合致するスピドイドのデザインを生成することができるアルゴリズムを与えることによって。 これらは、その骨格だけでなく、その骨格構造を模倣することができた。例えば、その力がそれに適用されるときの振る舞い方。

これは、インプラントの領域がより硬く、別の領域が組織の増殖を促すために、より多孔質で別の領域であるようにしたいかもしれないので重要です"、TTU Delftの生体医学工学の准教授であるMohammad Mizali氏は、仕事に関与していませんでした。

熊手とチームも、立体印刷技術で制作できるデザインを披露しました。 次のステップは、人間の体に注入されたかどうかを調べるためにテストを実行することです。

数年後には、ミメティックボーンインプラント"を作ることができるでしょう。

Zandpoorと同僚は、ヒップインプラントの不可能な転移を見つけるために彼らの探求に先立ちました。 それらは、患者の変数盆地に適応するために、ストレスと十分な限り安定した特性のリストに追加しました。

希望の長いリストを満たすために、Zadadpoorと彼のチームは、力に参加するために、自動学習の3つの異なるモデルを受け取り、実現可能なメタマシャルを共同検索します。 このアプローチは、いくつかのメタマトリカルなデザインで、Zadorは義務の複雑さのために人工知能なしで達成することが不可能であると述べている、骨のインプラントでの使用に適しています。

将来的には、自動学習は、患者の解剖学に個々の骨インプラントを適応させることもできます。これにより、彼は長持ちするはずです。 ペリスコープ・