23.02.2023 by Prof. Dr. Michael Gasik (Aalto University Helsinki, Finland)
DMA за биоматериали: Виждаме невидимото!
Статия на проф. Михаел Газик (Университет Аалто, Хелзинки, Финландия)
Понастоящем се предлагат много видове биоматериали за използване в различни импланти, особено в ортопедични и стоматологични случаи. Използват се метални сплави, керамика и композитни материали със или без живи клетки. Нараства областта на приложение на различни скелета, използвани в приложенията на тъканното инженерство за подпомагане и стимулиране на образуването на нови тъкани, като много от тях се изработват чрез 3D (био)принтиране. Известно е, че регенерацията на биологични тъкани е едно от най-взискателните предизвикателства, изискващо биоматериални структури с правилни биомеханични свойства [1], които имитират поведението in vivo [2]. Правилните биоматериали подпомагат организма при възстановяването на увредената тъкан и свеждат до минимум свързаните с това болка и време за оздравяване [3].
Тази статия на проф. д-р Майкъл Гасик (Aalto University Helsinki, Финландия) показва ново приложение на техниката за динамично-механичен анализ (DMA), наречена BEST(Biomaterials Enhanced Simulation Testing), използвана за характеризиране и подобряване на биоматериали и медицински изделия; този метод надхвърля познатите класически вискозоеластични анализи.
Професор Михаел Гасик от Университета Аалто във Финландия (Катедра по химично и металургично инженерство) започва да работи в областта на приложенията за термичен анализ през 1985 г. и почти толкова време си сътрудничи с NETZSCH-Gerätebau GmbH.
Фокусът му е върху материали за високотемпературни приложения и за водородни технологии. От 2000 г. насам той работи активно с биоматериали, медицински изделия и приложения в регенеративната медицина. През 2019 г. е назначен за посланик на Европейското дружество за ортопедични изследвания.
Проф. д-р Майкъл Гасик е съосновател на Seqvera Ltd. и изобретател на метода BEST - Biomaterials Enhanced Simulation Testing (Симулационно тестване на биоматериали), който е приложен за първи път в оборудването NETZSCH DMA.
Един от акцентите в изследователската дейност на проф. д-р Михаел Гасик е определянето на механичните свойства на биоматериалите. В този контекст той използва данните от DMA, генерирани с NETZSCH DMA 242 Artemis, като основа за по-нататъшни изчисления за характеризиране на тези материали. Прочетете повече за неговия подход:
Предизвикателства
Вече са проведени многобройни проучвания и са събрани клинични данни за формата, дизайна и състоянието на повърхността на биоматериалите, както и за геометрията на имплантите и тяхната пригодност за различните по качество и разположение тъкани. Значителни разлики бяха отчетени и за имплантирани материали, които на пръв поглед са идентични, но произхождат от различни източници [4]. Биомеханичното характеризиране на костите и меките тъкани е по-проблематично, отколкото при металните, керамичните и полимерните материали. Публикуваните набори от данни често не се основават на сравними протоколи и условия на измерване, което води до липса на последователност. Обобщаването на тези данни е много трудно или почти невъзможно, когато става въпрос за предоставяне на проста, надеждна и релевантна информация.
За биомеханично характеризиране обикновено се прибягва до предположението, че материалът е вид еластична или вискоеластична материя, за да се апроксимират свойствата в отделни числа, обикновено наричани "модул на еластичност". Това обаче е подходящо само за линейно еластични материали за много small деформации, а в насоките на NPL [5] са изброени девет метода за изчисляване на еластичния модул, които могат да доведат до различни стойности. Огромната част от биоматериалите и тъканите очевидно не са еластични, така че е значително опростяване да се опитваме изкуствено да сведем данните до някакви фиксирани числа: Каква би била например ползата от това да се знае "еластичният модул на лигавицата", обхващащ от 0,1 до 680 МРа от различни източници?
За съжаление въпросите, свързани с инерционните ефекти (високи честоти) или границите на инструмента (ниски честоти), не винаги са достатъчно документирани в публикуваните протоколи от изпитвания. Дори и да се елиминира инерцията на инструмента, самата проба винаги ще има крайна инерция, което може да доведе до артефакти от дифузия на импулса, вискоеластични вълни и вторични потоци - всички те могат да нарушат предположението за хомогенна и линейна деформация [6]. По-сложните модели имат значителен брой изкуствени параметри за напасване и съществуват големи експериментални трудности при провеждането на такива тестове в рамките на съществуващите стандарти, протоколи и специални методи за изпитване [7].
За процеси като 3D биопринтирането има няколко предизвикателства, които трябва да бъдат преодолени, като например контрол на свойствата на биоинките, управление на потока и неговото въздействие върху жизнеспособността на клетките, както и осигуряване на оптимални биофизични свойства на конструкциите след принтиране и при имплантиране [8]. Необходими са по-висока разделителна способност и скорост с контрол в 3D микросредата и трябва да се постигне оптимална комбинация от механични и транспортни свойства в рамките на пространството и времето; те са необходими по-специално за ограничената от дифузия васкуларизация. Новите регламенти за медицинските изделия (2017/745) изискват да се извърши подходяща механична оценка, което води до спазване на регламентите за оценка на здравните технологии (2021/2282).
За съжаление, много различни методи за биофизично изпитване дават доста различни резултати и не е лесно да се получат реалистични, истински свойства. Съществуват много причини за различията - неравномерен контакт, фазово състояние, ефекти на инерция и еластична нестабилност, напасване с неправилно приети модели, ограничение в определянето на деформациите, липса на подходяща оценка на историята на натоварването и др. Ето защо е много важно да се използва надежден подход, който може да определи количествено както поведението на биоматериала, така и неговата ефективност в процеса, а не просто да генерира някакви конкретни числа.
Концепцията BEST
За да се справим с тези предизвикателства, ние разработихме патентования метод BEST(Biomaterials Enhanced Simulation Testing). Той може да се прилага за много твърди и меки биоматериали, включително хидрогелове, 3D-принтирани конструкции и контролирана доставка на лекарства. Решенията на BEST са насочени към проблеми, причинени най-вече от неправилно и фрагментарно изпитване, и са създадени на базата на интегриран подход, основан на фундаменталния принцип на причинно-следствената връзка: "Няма реакция от страна на образеца преди прилагането на стимула"
BEST се извършва при контролирани условия с необходимите кохерентни стимули в средата на DMA. При него се оценяват промените в свойствата на образеца във времевата, фазовата и стимулиращата област [9]. При последващата обработка BEST интегрира данните, свива историята на образеца и извлича неизвестни стойности, като всичко това не изисква от потребителя да select модела на материала (анализът на данните по същество е безмоделен). Неизменните параметри, получени с патентован алгоритъм за квантова регресия, включват историята на образеца, показвайки позицията и посоката на развитие на биоматериала [10].
Ключовата характеристика на BEST е инвариантната обработка на данните от DMA, която обикновено остава неизследвана от потребителя. Този нов метод преодолява общите ограничения в линейността на свойствата на тъканите в много модели, а именно свойството за мащабиране (хомогенност) и свойството за суперпозиция (адитивност), които обикновено не са валидни за трансформацията на Фурие, използвана в линейната вискозноеластичност.
Следователно BEST прилага правилен протокол за изпитване и използва идемогенни методи за извличане на параметри от един образец/изпитване, което води до висококачествени изходни данни без използване на сложна математика (няма нужда от комплексни модули) или допускане за линейност, и е в състояние да преработва и други реологични данни по такъв начин, че да не губят стойността си.
Пример за приложение на DMA
В примера, показан тук, описаният по-горе метод е внедрен въз основа на измервания, извършени с NETZSCH DMA 242 Artemis®, за характеризиране на свойствата на акрилен хидрогел за 3D биопринтиране, без да се използва предполагаем модел. Гелът е поставен в 1-милилитрова спринцовка с 29G и е поставен в персонализирания държач за проби DMA, който обикновено се използва за огъване; той е тестван в режим на поетапно пълзене при 25°C.
На фигура 1 са показани експерименталните данни за количеството екструдиран гел (µL) през определена дюза на иглата, нормализирано за приложеното местно налягане (kPa). Тези данни ясно разкриват нелинейността на кинетиката на потока с времето и приложеното налягане и няма пряк начин да select който и да е материален модел да опише тези зависимости.
От тези данни методът BEST извлече променливи във времето стойности за вискозната твърдост на гела при тези условия на впръскване, както и стойността на паметта му [9,10] (фиг. 2). Тук кривите са почти линейни, а наклоните на линиите са почти постоянни за всички приложени налягания (числата са в kPa). Това означава, че гелът, въпреки че проявява ненютоново поведение, е линеен по отношение на безмоделните инвариантни стойности. Вижда се също, че числените стойности се променят с приложеното налягане по немонотонен начин, което разкрива, че може да има различни ограничаващи явления, влияещи върху потока. За да се види ефектът от развитието на потока, на фиг. 3 е показана графиката на стойностите на паметта в зависимост от приложеното налягане. Тази карта показва, че гелът в спринцовката се сблъсква с триенето, съпротивлението на потока и вероятно с ефекта на неплъзгане при ниски налягания, когато стойностите на паметта са много по-ниски от единица. След около 65 kPa - началото - тези стойности скачат нагоре, което е сигнал, че гелът постига по-развито течение.
Представеният метод може да определи инвариантни стойности и да ги използва за безмоделно прогнозиране на процесите на 3D биопринтиране в зависимост от дюзата, геометрията, налягането, времето и други условия на процеса, без да е необходимо да се определят реологичните параметри на мастилото поотделно. Методът BEST генерира данни "от първа ръка" за по-нататъшно прогнозно моделиране на процеса на 3D принтиране и прилага същата философия за характеризиране на 3D принтираните тъкани и конструкции.
РЕЗЮМЕ
Разработеният подход демонстрира способността да се "виждат" невидимите характеристики на материалите и тяхното взаимодействие с дразнителите и околната среда. По този начин динамично-механичният анализ (ДМА) може да предостави много повече информация от еластичните модули и тангенса на загубите. С помощта на обработката BEST могат да се получат много показания за различни цели (в някои случаи дори от един образец или изпитване). Например, възможно е да се получат агрегатният модул; характерното време на Дебора; пълзящото съответствие; ефективната дифузия на флуида и пропускливостта/проницаемостта; еквивалентният размер на канала за потока на флуида в динамиката; стойността на паметта на материала; налягането на набъбване и др. в рамките на един експеримент. И това надхвърля рамките само на биоматериалите, тъй като приложението BEST е без модел и не изисква никакви параметри за напасване; освен това то може да се прилага и към вече създадени данни от изпитвания.
Литература:
[1] Hubbell J.A. Nature Biotechnol. 13 (1995) 565-576.
[2] Gasik M. Sci. Techn. Adv. Mater. 18 (2017) 550-562.
[3] Chung C., Burdick J.A. Adv. Drug Delivery Rev. 60 (2008) 243-262.
[4] Gasik M., Lambert F., Bacevic M., Materials 14 (2021) 2845.
[5] Lord J.D., Morrell R. Ръководство за добри практики в областта на измерванията № 98; NPL Teddington, UK (2006)
[6] Ewoldt R.H., Johnston M.T., Caretta L.M. In: Изследване на измерванията в Европа: Сложни течности в биологичните системи; Springer, Германия (2015).
[7] Vrana N.E., Knopf-Marques H., Barthes J. (Eds.) Биоматериали за регенерация на органи и тъкани (Biomaterials for Organ and Tissue Regeneration); Woodhead Publ. UK (2020).
[8] Jammalamadaka U., Tappa K. J. Funct. Biomater. 9 (2018) 22
[9] Gasik M., Bilotsky Y. Patent US 10379106 B2 (2019).
[10] Gasik M.Патент US 10809171 B2 (2020).
За контакти:
Prof. Dr. Michael Gasik, Dr. Sci.
Terkko Health Hub, Building 14
Helsinki University Central Hospital Area
Haartmaninkatu 4, FIN-00290 Helsinki
www.seqvera.com
Благодарим на проф. д-р Майкъл Гасик за тази статия и за представата за неговата изследователска работа.
