生物材料科学中人工智能的批判性综述:从机器学习与可解释人工智能到实时自适应材料
《Biomaterials Advances》:A critical review of artificial intelligence in biomaterials science from machine learning and explainable AI to real-time adaptive materials
【字体:
大
中
小
】
时间:2026年09月18日
来源:Biomaterials Advances 6.7
编辑推荐:
•人工智能/机器学习/深度学习正在改变生物材料的设计、发现与制造。•机器学习/深度学习可预测生物相容性、力学强度并优化生物制造。•人工智能实现了实时质量控制以及智能、响应的生物材料。•有限的数据集和模型可解释性仍是关键挑战。•可解释人工智能(XAI)提高了预测的透明度和可信度
- •
人工智能/机器学习/深度学习正在改变生物材料的设计、发现与制造。
- •
机器学习/深度学习可预测生物相容性、力学强度并优化生物制造。
- •
人工智能实现了实时质量控制以及智能、响应的生物材料。
- •
有限的数据集和模型可解释性仍是关键挑战。
- •
可解释人工智能(XAI)提高了预测的透明度和可信度。
章节摘要
缩略语
| 1D | 一维 |
| 3D | 三维 |
| 4D | 四维 |
| ADASYN | 自适应合成采样 |
| AFLOWLIB | 材料发现自动流程库 |
| AI | 人工智能 |
| AM | 增材制造 |
| ANN | 人工神经网络 |
| AUC | 曲线下面积 |
| AUC-PR | 精确率-召回率曲线下面积 |
| AUC-ROC | 受试者工作特征曲线下面积 |
| AutoML | 自动化机器学习 |
| BERT | 来自Transformer的双向编码器表示 |
| BiLSTM | 双向长短期记忆网络 |
| BMG | 块状金属玻璃 |
|
生物材料中机器学习与深度学习的基础
人工智能及其子集机器学习通过发现实验和计算数据集中的模式,实现数据驱动的预测、分类和决策 [16]。在生物材料研究中,机器学习可以加速材料设计、性能优化和功能评估,相较于传统的试错方法具有显著优势 [17]。本文综述将生物材料科学中的人工智能、机器学习和深度学习方法归纳为统一的四部分分类体系,依据各方法所依赖的程度进行组织。
机器学习在生物材料设计与生物医学传感中的作用
本节综合了机器学习的四类材料和设备应用,包括水凝胶系统、生物传感器、生物打印以及可穿戴和伤口监测平台。这些领域被合并讨论是因为它们共享统一的技术原则。在每种情况下,数据驱动模型将材料的物理化学、光学或电学响应转化为可量化且通常具有临床意义的输出。这些研究报告的性能
机器学习在可解释性与实验-计算整合中的应用
第3节中识别的数据集和验证差距提出了一个进一步的问题:模型预测是否可以被信任、解释,并整合到生物材料研究所依赖的更广泛的实验和计算工作流程中。第4.1节考察了算法选择和模型可解释性如何共同决定人工智能洞察是否具有可操作性,特别是在安全性敏感或监管环境下。第4.2节转向机器学习如何与实验和
生物材料科学中的混合模型与可解释人工智能(XAI)
第4节确立了可解释性和实验-计算整合是将机器学习性能转化为具有科学可操作性的洞察的前提条件。本节在此基础上进一步考察混合建模和可解释人工智能在实际中的应用。第5.1节通过具体的生物材料应用发展了第2.4节中引入的范式级混合建模概念。第5.2节考察了使这些模型透明所需的可解释人工智能方法,第5.3节
实验、计算和数据科学社区之间的协作
第5节发展的混合建模和可解释性方法不仅依赖方法学的严谨性。它们还需要产生、建模和解释生物材料数据的实验、计算和数据科学社区之间持续协作。本节从四个维度考察这种协作。首先建立有效的跨学科整合框架(第6.1节),然后讨论数据标准和
应对挑战:解决方案与未来方向
仅靠协作和基础设施无法解决本综述中识别的方法学差距。数据集稀缺、验证不一致和有限的转化证据需要针对性的技术解决方案。本节讨论四种解决方案,包括针对小型不均衡数据集的合成数据生成和增强(第7.1节),数据稀缺的更广泛统计和实际后果及补充缓解策略(第7.2节),
结论
机器学习已成为生物材料科学的核心,从概念验证演示过渡到整合框架,连接材料设计、合成、表征和应用。在组织工程、生物传感、可穿戴电子、伤口愈合和康复技术中,机器学习加速了参数优化,识别了隐藏的结构-性能关系,提高了预测可靠性,减少了实验负担并支持高通量
作者贡献声明(CRediT)
Anita Puspitasari:撰写–审阅与编辑,撰写–初稿,形式分析,数据整理,概念构思。Thi Kim Ngan Duong:撰写–审阅与编辑,撰写–初稿,形式分析,数据整理,概念构思。Anky Fitrian Wibowo:撰写–初稿,可视化,验证。Vu Hoang Minh Doan:撰写–初稿,可视化,验证。Truong Tien Vo:撰写–初稿,可视化。Jaeyeop Choi:形式分析,数据整理,
利益冲突声明
作者声明无利益冲突。作者独立负责本文的内容和撰写。
致谢
本工作由韩国研究基金会(NRF)资助,由韩国政府(MSIT)提供资金(编号:2022R1A5A8023404)。本工作还由韩国研究基金会(NRF)资助,由韩国政府(MSIT)提供资金(RS-2026-25498522)。
Anita Puspitasari|Thi Kim Ngan Duong|Anky Fitrian Wibowo|Vu Hoang Minh Doan|Truong Tien Vo|Jaeyeop Choi|Yong Hyun Kim|Jae Sung Ahn|Sudip Mondal|Junghwan Oh
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号