PFSDS004 – Einsatz künstlicher Intelligenz zur Knorpelforschung
In dieser Studie soll ein experimentell-numerisches Verfahren basierend auf künstlicher Intelligenz zur Optimierung von Knorpelersatzmaterial entwickelt werden. Hierbei wird die Untersuchung auf azelluläres Knorpelersatzmaterial fokussiert, welches während eines in-vitro Zellmigrationsprozesses unter mechanischem Stress Steifigkeits- und Dämpfungseigenschaften entwickeln soll, wie natives Knorpelgewebe. Mit Hilfe von über 1000 Bioreaktorexperimenten wird ein künstliches neuronales Netz trainiert und in eine Finite Elemente Umgebung eingepflegt, so dass ein digitaler Zwilling (Digital Twin) entwickelt wird, der das reale Experiment abbildet. Dieser Zugang ist, wie in Vorarbeiten gezeigt wurde, geeignet um mit hohen Fallzahlen und damit verbundenen großen Datenmengen (Big Data) effizient zu arbeiten. Die Kombination der experimentell-numerischen Entwicklung mündet in ein Cyber-Physical System, in dem neue intelligente finite Elemente verwendet werden. Der Umgang mit hohen Fallzahlen innerhalb der künstlichen Intelligenz ermöglicht die Optimierung des Knorpelersatzmaterial unter Berücksichtigung diverser Einflussgrößen, wie z.B. verschiedene Wachstumsfaktoren oder variierende Stimulationsverläufe der Proben in den Bioreaktoren.
