L'algoritmo, basato sull'ottimizzazione bayesiana, è stato addestrato per identificare e stampare le migliori versioni di modelli di reni e prostata, producendo 60 iterazioni sempre più perfezionate. Questo approccio consente di bilanciare diversi obiettivi come la precisione geometrica, il peso, la porosità e il tempo di stampa.
"È possibile ottimizzare i risultati, risparmiando tempo, costi e lavoro", ha dichiarato Kaiyan Qiu, co-autore corrispondente dello studio e professore assistente presso la School of Mechanical and Materials Engineering della WSU.
La stampa 3D è in crescita in molti settori industriali, ma la definizione delle impostazioni corrette per i progetti di stampa risulta spesso laboriosa e inefficiente per gli ingegneri. Devono infatti considerare numerosi fattori come materiali, configurazione della stampante e pressione di erogazione dell'ugello.
I ricercatori hanno utilizzato l'algoritmo per ottimizzare la stampa di un modello chirurgico di prostata e, con piccole modifiche, sono riusciti ad applicarlo anche alla stampa di un modello di rene. Questo dimostra la versatilità del metodo, potenzialmente applicabile alla produzione di altri dispositivi biomedicali complessi e ad altri campi.
Potenziali applicazioni in campo medico
I modelli 3D di organi umani sviluppati nello studio possono essere impiegati per l'addestramento dei chirurghi o la valutazione di dispositivi impiantabili. Per essere efficaci, devono replicare le proprietà meccaniche e fisiche degli organi reali, incluse vene, arterie e altre strutture dettagliate.
La porosità del modello, ad esempio, è un fattore importante per le esercitazioni chirurgiche, in quanto influenza le proprietà meccaniche dell'oggetto stampato. L'algoritmo di IA è in grado di bilanciare questo parametro con altri obiettivi come la precisione geometrica e il tempo di stampa.
"È difficile bilanciare tutti gli obiettivi, ma siamo riusciti a trovare un equilibrio favorevole e ottenere la migliore stampa possibile di un oggetto di qualità, indipendentemente dal tipo di stampa o dalla forma del materiale", ha spiegato Eric Chen, co-primo autore dello studio.
Prospettive future
La capacità dell'algoritmo di adattarsi facilmente a diversi tipi di modelli apre interessanti prospettive per il futuro. Secondo Qiu, "questo metodo può essere utilizzato per produrre altri dispositivi biomedicali più complicati, e persino esteso ad altri campi".
L'approccio interdisciplinare adottato dal team di ricerca, che ha coinvolto competenze in ingegneria meccanica, scienza dei materiali e informatica, si è rivelato fondamentale per il successo del progetto. Alaleh Ahmadian, co-prima autrice, ha sottolineato l'importanza di questa collaborazione per creare un impatto concreto nel mondo reale.
In conclusione, questa innovativa applicazione dell'intelligenza artificiale alla stampa 3D potrebbe portare a significativi miglioramenti nell'efficienza e nella qualità della produzione di strutture complesse in vari settori, con potenziali ricadute positive in ambito medico, industriale e tecnologico.