به گزارش خبرنگار خبرآنی، این روش ابداعی به کشف درمان‌های جدید بیماری‌ها کمک می کند.
با ظهور چاپ زیستی ۳ بعدی، حوزه درمانی پزشکی بازساختی(regenerative medicine) و مدل سازی سرطان به سرعت رشد کرده است.
حفظ قابلیت زنده ماندن سلول در فرایند چاپ زیستی برای موفقیت این فناوری اهمیت زیادی دارد زیرا به طور مستقیم روی دقت مدل های چاپ شده، صحت نتایج آزمایش و کشف روش های درمانی جدید تاثیر می گذارد.
بنابراین بهبود وضعیت چاپ زیستی که شامل متغیرهای متعدد تاثیرگذار بر زنده ماندن سلول طی فرایند چاپ و پس از آن است، اهمیت بسیار زیادی دارد.
تاکنون این روش های بهینه سازی به وسیله آزمون و خطا و تکرار چند آزمایش وقت گیر و پر هزینه انجام شده است. اما اکنون محمد کهندل، دانشیار گروه ریاضیات کاربردی دانشگاه واترلو و درسا محمد رضایی همراه گروهی از محققان، ساخت یک مخزن داده از پارامترهای مورد نظر برای ژلاتین و جوهرهای زیستی مبتنی بر ژلاتین و آلژینات و زنده ماندن سلولی مربوطه با ادغام داده های به دست آمده در آزمایشگاه و همچنین داده های برگرفته از تحقیقات دیگر را آغاز کرده اند.
در مرحله بعد آنها مدل‌های یادگیری ماشینی را برای پیش‌بینی زنده بودن سلول بر اساس متغیرهای مختلف چاپ زیستی توسعه دادند.
مدلی که محققان ایرانی توسعه دادند در مقایسه با مدل هایی دیگر، عملکرد بهتری دارد و نتایج پیش بینی بسیار خوبی را نشان می دهد.
