新しい3Dバイオプリンティング技術、人工組織生産改善

October, 7, 2025, Cambridge--新しい3Dバイオプリンティング、この方法は 3D バイオプリンティング機能を強化し、組織工学における現実世界のアプリケーションのプロセス最適化を加速する。

組織工学の分野は、実際の生体組織の構造と機能を再現することを目的としている。この操作された組織は、疾患モデリング、創薬、埋め込み型移植片に応用できる可能性がある。

生細胞、生体適合性材料、成長因子を使用して 3 次元の組織や臓器構造を構築する 3D バイオプリンティングは、この分野の重要なツールとして浮上している。現在まで、バイオプリンティングに最も使用されているアプローチの 1 つは、積層造形(AM)技術とデジタル モデルに依存しており、ソフトゲル内の細胞で構成されるバイオ インクの 2D 層をサポートバス(support bath)に層ごとに堆積させて 3D 構造を構築する。これらの技術により、手動で構築するのは簡単ではない機能を備えた複雑なアーキテクチャの製造が可能になるが、現在のアプローチには限界がある。

「現在の3Dバイオプリンティングアプローチの主な欠点は、プリントされた組織の欠陥を制限するプロセス制御方法が統合されていないことだ。プロセス制御を組み込むことで、組織間の再現性が向上し、材料の無駄を制限するなど、リソース効率が向上する」と、組織工学のユージン・ベルキャリア(Eugene Bell Career)開発委員長であり、機械工学の助教授であるRitu Ramanは述べている。

同教授はさらに、「利用可能な 3D バイオプリンティング ツールが多様であることを考えると、モジュール式で効率的でアクセスしやすいプロセス最適化技術を開発することが非常に必要だ」と続けた。

この必要性により、RamanはPolimiとしても知られるミラノ工科大学のBianca Colosimo教授の専門知識を求めるようになった。Colosimoは最近、1922年卒業生の教授、MITの新しい製造イニシアチブの共同ディレクタ、先端生産技術センタ所長、機械工学科の責任者であるJohn Hartが主催するMITでのサバティカルを終えた。

「人工知能とデータマイニングはすでにわれわれの日常生活を再構築しており、その影響は3Dバイオプリンティングという新興分野や製造業全般においてさらに深刻になると見られている」とColosimoはコメントしている。MITのサバティカル中、同氏はRamanと同氏のチームと協力して、インテリジェントバイオプリンティングへの第一歩となるソリューションを共同開発した。

「このソリューションは現在、PolimiとMITの両方の研究室で利用可能であり、様々な環境間でデータと結果を交換するためのツインプラットフォームとして機能し、今後数年間で多くの新しい共同プロジェクトへの道を切り開く」(Colosimo)。

Raman、Colosimo、筆頭著者であるGiovanni Zanderigo(ポリミ大学のRocca Fellow)とMITのFerdows Afghahによる新しい論文がDevice誌に掲載され、この課題に対処する新しい手法が紹介されている。チームは、レイヤーごとのイメージング用のコンパクトなツールを統合した、モジュール式で低コストでプリンタに依存しない監視技術を構築し、検証した。チームの方法では、デジタル顕微鏡がプリンティング中に組織の高解像度画像をキャプチャし、AI ベースの画像解析パイプラインを使用して意図したデザインと迅速に比較する。

「この方法により、堆積するバイオインクが多すぎたり少なすぎたりするなどのプリント欠陥を迅速に特定できるため、様々な材料に最適なプリントパラメータを特定することができた」とRamanは話している。「このアプローチは、低コスト(500ドル未満)で、スケーラブルで適応性のあるソリューションであり、標準的な3Dバイオプリンタに簡単に実装可能である。ここMITでは、モニタリングプラットフォームはすでにSHEDの3Dバイオプリンティング施設に統合されている。MITを超えて、われわれの研究は、組織工学の分野における再現性の向上、持続可能性の向上、自動化への実践的な道を提供する。この研究は、衰弱させる怪我や病気を研究および治療するために製造する組織の品質を向上させることで、人間の健康にプラスの影響を与える可能性がある。」

研究チームは、この新しい方法が単なる監視ツールではないと指摘している。また、組み込みバイオプリンティングにおけるインテリジェントなプロセス制御の基盤としても機能する。研究チームは、リアルタイム検査、適応補正、自動パラメータ調整を可能にすることで、このアプローチが再現性を向上させ、材料の無駄を削減し、組織工学における実際のアプリケーションのプロセス最適化を加速できると期待している。