ปัญญาประดิษฐ์ในการออกแบบและสร้างเนื้อเยื่อวิศวกรรม

Main Article Content

กฤตพิพัฒน์ ลี
เพียงพอดี มะฮาด
ปิ่นทิพย์ นิติเรืองจรัส
ณิชชา ยศธนหิรัญ
เจตนิพัทธ์ กุณาวงศ์
เจตนิพิฐ กุณาวงศ์
พงศภัค ปัญญาฟู
ดีพอเพียง มะฮาด
เมธาสิทธิ์ มังคลรังษี
สุชัจจ์ ยอดพินิจ

บทคัดย่อ

วิศวกรรมเนื้อเยื่อ (Tissue Engineering) ได้กลายเป็นสาขาที่มีการเปลี่ยนแปลงสำคัญในทางเวชศาสตร์ฟื้นฟู โดยการออกแบบโครงร่าง (Scaffold) มีบทบาทสำคัญในการสนับสนุนการเจริญเติบโตของเซลล์และการฟื้นฟูเนื้อเยื่อ อย่างไรก็ตามการจำลองสถาปัตยกรรมที่ซับซ้อนและคุณสมบัติทางกลของเนื้อเยื่อธรรมชาตินั้น ยังคงเป็นความท้าทายที่สำคัญ ความก้าวหน้าล่าสุดในด้านปัญญาประดิษฐ์ (Artificial intelligence: AI) ได้ปฏิวัติการพัฒนาโครงร่างโดยการปรับปรุงการออกแบบ และการผลิตโครงร่างวิศวกรรมเนื้อเยื่อเพื่อให้ได้คุณสมบัติเฉพาะ AI ช่วยในการทำนายคุณสมบัติของวัสดุชีวภาพ ปรับแต่งรูปทรงของโครงร่างและเพิ่มประสิทธิภาพในการผลิตผ่านการควบคุมกระบวนการแบบ Real time ซึ่งช่วยลดการพึ่งพาการทดลองผิดพลาดได้อย่างมากการผลิตโครงร่างที่ใช้เทคโนโลยีการพิมพ์ 3 มิติ ที่มีการควบคุมด้วย AI ได้แสดงให้เห็นถึงความแม่นยำที่มากกว่าในการผลิตโครงร่างที่ปรับให้เหมาะกับผู้ป่วยมีความทนทานทางกล และมีความเข้ากันได้ทางชีวภาพ นอกจากนี้โมเดล AI ยังช่วยทำนายพฤติกรรมทางกลและโปรไฟล์การย่อยสลายของโครงร่างได้อย่างแม่นยำ ซึ่งเร่งกระบวนการพัฒนา Solution วิศวกรรมเนื้อเยื่อที่มีศักยภาพทางคลินิก ดังนั้นการศึกษานี้เน้นการผสมผสานของ AI ในทุกขั้นตอนของการพัฒนาโครงร่างและศักยภาพในการลดข้อจำกัดที่มีอยู่ ซึ่งการริเริ่มบำบัดฟื้นฟูที่เป็นส่วนตัวมีประสิทธิภาพและสามารถขยายได้มากยิ่งขึ้น

Downloads

Download data is not yet available.

Article Details

รูปแบบการอ้างอิง
1.
ลี ก, มะฮาด เ, นิติเรืองจรัส ป, ยศธนหิรัญ ณ, กุณาวงศ์ เ, กุณาวงศ์ เ, ปัญญาฟู พ, มะฮาด ด, มังคลรังษี เ, ยอดพินิจ ส. ปัญญาประดิษฐ์ในการออกแบบและสร้างเนื้อเยื่อวิศวกรรม. J Raj Pracha Samasai Institute [อินเทอร์เน็ต]. 12 ธันวาคม 2025 [อ้างถึง 12 มกราคม 2026];9(3):24-31. available at: https://he04.tci-thaijo.org/index.php/rpsi/article/view/3311
ประเภทบทความ
บทความฟื้นวิชา (Review Article)

เอกสารอ้างอิง

Ibrahimi S, D’Andrea L, Gastaldi D, Rivolta MW, Vena P. Machine Learning approaches for the design of biomechanically compatible bone tissue engineering scaffolds. Computer Methods in Applied Mechanics and Engineering [Internet]. 2024 [cited 2025 Jun 12];423:116842. Available from: https://www.sciencedirect.com/science/article/pii/S0045782524000987

Zheng X, Chen TT, Jiang X, Naito M, Watanabe I. Deep-learning-based inverse design of three-dimensional architected cellular materials with the target porosity and stiffness using voxelized Voronoi lattices. Science and technology of advanced materials [Internet]. 2023 [cited 2025 Jun 12];24(1):1-15. Available from: https://www.tandfonline.com/doi /full/10.1080/14686996.2022.2157682

Bai J, Li M, Shen J. Prediction of Mechanical Properties of Lattice Structures: An Application of Artificial Neural Networks Algorithms. Materials [Internet]. 2024 [cited 2025 Jun 12];17(17):4222. Available from: https://www.mdpi.com/1996-1944/17/17/4222

Limon SM, Quigley C, Sarah R, Habib A. Advancing scaffold porosity through a machine learning framework in extrusion based 3D bioprinting. Frontiers in Materials [Internet]. 2024 [cited 2025 Jun 12];10:1-13. Available from: https://www. frontiersin.org/ journals/materials/articles/10.3389/fmats.2023.1337485/full

Chen B, Dong J, Ruelas M, Ye X, He J, Yao R, et al. Artificial Intelligence-Assisted High-Throughput Screening of Printing Conditions of Hydrogel Architectures for Accelerated Diabetic Wound Healing. Advanced Functional Materials [Internet]. 2022 [cited 2025 Jun 12] ;32(38):2201843. Available from: https://advanced.onlinelibrary.wiley.com/doi/abs/10.1002/adfm.202201843

Ning H, Zhou T, Joo SW. Machine learning boosts three-dimensional bioprinting. International Journal of bioprinting [Internet]. 2023 [cited 2025 Jun 12];9(4):739. Available from: https: //pmc.ncbi.nlm.nih.gov/articles/PMC10261168/

Gharibshahian M, Torkashvand M, Bavisi M, Aldaghi N, Alizadeh A. Recent advances in artificial intelligent strategies for tissue engineering and regenerative medicine. Skin Research and Technology [Internet]. 2024 [cited 2025 Jun 12];30(9):e70016. Available from: https:// pubmed.ncbi.nlm.nih.gov/39189880/

Mohammadnabi S, Moslemy N, Taghvaei H, Zia AW, Askarinejad S, Shalchy F. Role of Artificial Intelligence in data-centric Additive Manufacturing Processes for Biomedical Applications. Journal of the Mechanical Behavior of Biomedical Materials [Internet]. 2025 [cited 2025 Jun 12];166:106949-9. Available from: https://pubmed.ncbi.nlm.nih.gov/40036906/

O’Brien FJ. Biomaterials & scaffolds for tissue engineering. Materials Today [Internet]. 2011 [cited 2025 Jun 12];14(3):88–95. Available from: https://www.sciencedirect.com/science/ article/pii/S136970211170058X

Bermejillo Barrera MD, Franco-Martínez F, Díaz Lantada A. Artificial Intelligence Aided Design of Tissue Engineering Scaffolds Employing Virtual Tomography and 3D Convolutional Neural Networks. Materials [Internet]. 2021 [cited 2025 Jun 12];14(18):5278. Available from: https://www.mdpi.com/1996-1944/14/18/5278

Omigbodun FT, Osa-Uwagboe N, Udu AG, Oladapo BI. Leveraging Machine Learning for Optimized Mechanical Properties and 3D Printing of PLA/cHAP for Bone Implant. Biomimetics [Internet]. 2024 [cited 2025 Jun 12];9(10):587. Available from: https://www.mdpi.com/2313-7673/9/10/587