機械学習に基づいて構築された骨形成率予測モデルの逆解析と実験による検証によって多孔質ハイドロキシアパタイト材料を設計しました![金子研論文]

 

明治大学の相澤研究室と金子研における共同研究の成果の論文が materials に掲載されましたので、ご紹介します。タイトルは

 

Material Design of Porous Hydroxyapatite Ceramics via Inverse Analysis of an Estimation Model for Bone-Forming Ability Based on Machine Learning and Experimental Validation of Biological Hard Tissue Responses

 

です。これは共同研究として相澤研究室の方々と一緒に研究した成果であり、相澤研究室の堀川祥汰さんが修士のときに取り組んだ研究の成果です。

 

ハイドロキシアパタイトやβ-リン酸三カルシウムは、高い生体親和性から人工骨材料として臨床応用されています。人工骨の開発には、動物実験による安全性や有効性の検証が必要ですが、動物愛護の観点から動物実験の回数を減らす必要があります。本研究では、機械学習を活用して、材料の作製条件、材料特性、in vivo 実験条件から、バイオセラミックスの骨形成率を予測するモデルを構築しました。その結果、作製条件から材料特性を予測する「モデル1」と、材料特性と in vivo 実験条件から骨形成率を予測する「モデル2」の2つのモデルを構築することに成功しました。「モデル1」により材料の作製条件から材料特性を予測でき、「モデル2」により材料特性と in vivo 実験条件から骨形成率を予測できることで、「モデル1」と「モデル2」をあわせて用いることで、材料の作製条件と in vivo 実験条件から骨形成率を予測できます。なお、フーリエ変換赤外分光法の測定データを特徴量として追加することで、モデルの予測精度が向上することと、特徴量の重要度に基づいて、この特徴量が最も重要であることも確認しています。

2つのモデルをそれぞれ直接的逆解析することにより、骨形成率の目標値を達成するための材料の作製条件および in vivo 実験条件の候補を提案しました。提案された作製条件で実際に材料を作製したところ、作製された材料の特性は、直接的逆解析した材料特性の目標値と一致しました。さらに、作製した材料を in vivo 実験し、ブタ脛骨の移植 12 週間後の骨形成率を検証したところ、直接的逆解析した骨形成率の目標値と一致しました。

本研究では、機械学習により材料の作製条件から材料特性および動物実験の結果を一貫して予測できることを、実験的に確認しました。本研究の知見は、人工骨開発における動物実験に代わる代替動物実験の確立につながります。

興味のある方は、ぜひ論文をご覧いただければと思います。

 

以上です。

質問やコメントなどありましたら、X, facebook, メールなどでご連絡いただけるとうれしいです。

タイトルとURLをコピーしました