Tekoälyn sovellusmahdollisuudet biotekniikassa : Ennustava mallinnus biomateriaalien suunnittelussa ja muotoilussa

Read full text Summarise with VIRAT
Authors: Niilo Savukoski
Cited by: 0
References: 11

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Tekoälyn integraatio biotekniikan alan tutkimukseen sekä sovelluksiin mahdollistaa tietojenkäsittelyä ennennäkemättömällä tarkkuudella ja nopeudella. Useat biotekniikan alan tutkimukset perustuvat valtavien tietomäärien käsittelyyn, ja niistä saatujen johtopäätösten tuomiseen käytännön sovelluksiin. Biomateriaalitutkimuksessa tekoälyn tuomalle tehokkuudelle on myös paikkansa. Tämän tutkimuksen tarkoitus on luoda lukijalle hyvä peruskäsitys tekoälyä käyttävän ennustavan mallinnuksen toiminnasta, sekä biomateriaalien suunnitteluprosessista. Lisäksi tutkimuksessa pyritään luomaan kuva tulevaisuuden mahdollisuuksista ennustavan mallinnuksen sovellusten käytölle nykyisen tiedon ja osaamisen perusteella. Tutkimuksessa on tehty kirjallisuuskatsaus tekoälyn toimintaan yleisellä tasolla, ennustavan mallinnuksen sovelluksien toimintaprosessiin, sekä biomateriaalien ja niistä rakennettujen implanttien suunnittelu- ja valmistusprosesseihin. Lisäksi pohdittiin tekoälyn integraation mahdollisia ongelmakohtia biotekniikan tutkimuksessa, ja pohdittiin tulevaisuuden lupaavia mahdollisuuksia ennustavan mallinnuksen sovellusten käytölle biomateriaalitutkimuksessa. Avainasemassa viitemateriaalina tutkimuksessa on käytetty biomateriaaleihin perehtyviä julkaisua Raghavendra, G. M. (2015) Biomaterials: Design, Development and Biomedical applications, sekä tekoälyyn ja ennustavan mallinnuksen toimintaa tutkivaan Muhsen, I. N. (2022) Utilizing machine learning in predictive modeling: what’s next? Tutkimuksessa todettiin ennustavan mallinnuksen sovelluksien hyödyt virtaviivaistamaan biomateriaalien suunnittelun pitkää ja työlästä tiedonkäsittelyprosessia. Neuroverkkoja käyttävän ennustavan mallin todettiin olevan lupaavin vaihtoehto tutkituista mallin sovellusmahdollisuuksista. Todettiin myös tekoälyä käyttävien sovellusten ongelmien tuomat riskit tutkimukseen, jossa virhemarginaalit ovat todella tarkat.

Fields of Study & Subjects

Machine Learning in Materials Science Artificial Intelligence Applications Impact of AI and Big Data on Business and Society

Publication details

Journal / source
UTUPub (University of Turku)
Publication date
13 March 2026
Language
FI
Document type
Thesis