【浙江大学｜ACS AMI】AI引导的热响应可展材料植入体逆向设计

文章信息

作者

：Pengcheng Jiao, Chenjie Zhang, Wenxuan Meng, Jiajun Wang, 等

单位

：浙江大学海洋学院；匹兹堡大学生物工程系/机械工程系/材料科学系；卡迪夫大学工程学院等

期刊

：ACS Appl. Mater. Interfaces, 2025, 17(2), 2991–3001

DOI

：10.1021/acsami.4c17625

一句话概括

该研究提出了一种人工智能驱动的逆向设计方法，能够快速生成满足临床需求的可展式热响应超材料植入体，在脊柱融合器和气管支架中实现>200%的扩展性能，大幅提升微创和个性化手术的可行性。

研究背景与科学问题

瓶颈

：传统植入材料（金属、陶瓷）刚性强、缺乏适应性，容易造成应力屏蔽和二次损伤。

挑战

：如何兼顾“微创植入”与“良好功能恢复”；尤其是可展式植入物，其复杂微结构难以通过人工经验或实验穷举获得。

重要性

：机械/热超材料的出现带来了可编程、响应环境变化的可能；但如何高效、精准设计符合个体需求的结构仍未解决。

技术原理与创新点

核心机制

：将神经网络（BP）+进化算法（ES）结合，实现了面向性能指标（如弯曲刚度）的逆向设计。

数据库

：建立超过700种不同微结构的波纹型热超材料单元。

创新点

：

引入AI逆向设计克服设计空间过大问题；

支持患者定制（例如匹配个体椎间隙或气管直径）；

结合4D打印与形状记忆聚合物（PLA/TPU），实现植入物的温度触发展形。

实验验证与性能

实验对象

：平面波纹板 + 管状支架（方形/六边形单元）。

验证方法

：三点弯曲实验、有限元模拟、猪气管在体测试。

结果亮点

：

热触发展开后，体积/截面积提升超过200%；

脊柱融合笼在实验模型中弯曲刚度（0.298 N·m²）与目标值误差仅4%；

猪气管支架恢复后截面积提升223%，刚度增强421倍。

学术贡献

理论贡献

：提出结合进化策略与神经网络的逆向设计框架。

方法贡献

：首次将AI逆向设计应用于“可展植入体”。

实验贡献

：完成从材料制备、体外加载到动物模型植入的闭环验证。

应用贡献

：提出**“临床知情AI”**（CIAI）理念，将生物相容性、可制造性纳入AI设计评价。

局限性与未来方向

局限性

：

临床因子加权仍依赖专家主观评分；

仅在猪气管及仿真人体模型中测试，缺乏长期在体验证。

未来方向

：

建立标准化设计协议，扩大临床专家参与；

开发新型可降解聚合物，提升相容性与可控降解；

拓展至心血管支架、骨科植入、软组织修复等领域。

总结

本文展示了一个AI驱动 + 4D打印 + 临床因子结合的全新植入体设计范式。其价值不仅在于性能匹配，更在于实现了个体化、微创、高效的智能植入物定制。这为医工融合研究者、临床医生和材料科学家提供了新工具和新思路。

图文赏析

图1. AI逆向设计可展植入体的整体愿景

(A) 波纹表面设计思路；(B) 平面与管状应用场景；(C) AI逆向设计框架流程；(D) 4D打印植入物的部署过程。

图2. 平面热超材料的微结构设计与实验数据

(A) 不同波纹模式；(B) 三点弯曲实验装置；(C) 数值模拟与实验对比；(F-H) 厚度、高度、边长对弯曲刚度的影响。

图3. AI逆向设计流程与结果

(A) 神经网络结构；(B,C) 方形/六边形预测对比；(D) 逆向设计算法流程；(F-I) AI输出结果与实验结果误差对比。

图4. AI引导的临床应用实例

(A-E) 可展式脊柱融合笼设计、实验与部署结果；(G-H) 猪气管模型支架植入与展开；(J-K) 融合CIAI（临床因子打分）的设计优选结果。

一句话点睛：这项工作让“AI做手术植入物的结构设计”成为现实，不只追求性能最优，更追求“病人真正可用”。