将人工智能与3D打印相结合，有潜力变革医疗设备行业，并加速创新设备的开发。
Creatz3D北美销售副总裁杰克·赫斯林（Jack Heslin）与MD+DI探讨了AI与3D打印融合的现状，领先公司如何弥合人工智能专业知识与传统工程知识之间的差距，以及采用这些技术时可能存在的陷阱。
今年四月，赫斯林将在北卡罗来纳州夏洛特举行的MD&M South会议上探讨：AI驱动的生成式设计如何优化器械几何结构，机器学习如何预防打印失败，从而大幅缩短开发时间与成本。他将介绍领先的医疗科技公司如何在增材制造全流程中利用这一融合，以及实际实施策略、监管考量，以及组织如何定位自身以抓住这些新兴技术带来的机遇。
目前，是否有某些器械类别或临床应用中，AI与3D打印的结合正在产生最显著的效果？
赫斯林：我认为未来会发生这样的事。虽未证实，但这是合理的推测。我认为在侵入性器械领域将会发生变化。对你对我来说，侵入性是不同的；我们的身体各不相同。人的体型和大小各异。我认为一次性医疗设备，加上某种针对每个人独特的器械尖端或侵入部件，可以从身体或腔体扫描中获取数据，输入到AI生成式设计平台，然后AI会返回结果说：“针对这种独特解剖结构，请这样制造部件。”这或许不是一年或十年后就能实现，但它有可能发生，并将使手术更高效、耗时更少、感染风险更低。
领先公司如何组建团队，以弥合人工智能/数据科学专业知识与传统医疗设备工程知识之间的差距？
赫斯林：尽管AI在制造业中还算新鲜，但3D打印并不新。这项技术始于八九十年代，并不断演进。即使有大量数据积累，大多数公司仍以传统制造思路进行设计。他们考虑的是大批量量产，这样更具成本效益。可能会出现AI生成的设计无法转化为实物产品的情况。它在二维环境中完美存在，但某些几何结构、内部腔体与切片软件不兼容。你有一个CAD文件和一个3D打印机，切片软件将CAD文件转换为G代码来制造实体部件。
首先，我们必须创建出无论采用何种制造技术都能被制造出来的AI生成设计。为此，AI生成平台需要具备知识，能够说：“你不能这样设计部件，它无法被制造。”我认为，在工具足够可靠、能持续输出可制造设计之前，医疗设备公司将面临教育其设计师和工程师的挑战。这个学习曲线，我们仍处于最底层。问题并非像“我们的AI平台说设备应该这样设计”那么简单。它并不总是可制造的。这是一个仍需界定的模糊地带。
当AI参与3D打印医疗设备的设计或制造过程时，有哪些独特的监管考量？公司如何记录AI决策以供FDA提交？
赫斯林：这一切都还在起步阶段。不仅涉及FDA批准，还涉及保险公司。这可能耗时数年。通常，需要大量数据来证明新手术、新药、新器械的安全性。要获得大量数据，需要几千小时的实际手术和测试结果。这需要资金支持，需要申请拨款，公司需要在研发预算中预留资金进行测试，向FDA和保险公司提交数据，证明其安全性。我们处于非常初期的阶段，还不可能有足够的数据。这个问题问得有点为时过早。伊利诺伊州议员迪克·德宾（Dick Durbin）两年前说过一句我听过最坦率的话：“我们如何立法监管我们自己都不理解的东西？”FDA将如何行动？目前还没有足够的数据来做出这样的判断。
您认为那些急于采用AI+3D打印但未进行适当验证或不了解技术局限性的公司，面临的最大风险或陷阱是什么？
赫斯林：我想到的是诉讼。这适用于所有AI应用。最大的风险之一是人们认为自己可以不用再自己思考。“嗯，AI是这么说的。”AI基于统计概率，而非确定性。如果基于概率，那么它总有犯错的概率。主要风险是：现在依赖这项技术是否为时过早？或许并非太早，但只要AI基于概率——即使准确率高达99.99999%——它仍有出错的可能。今天的ChatGPT、Claude、Gemini等所有模型都是如此。我认为这就是风险所在。
您还有什么想补充的吗？
赫斯林：这一切都是全新的。这次讨论不会有确定性答案。没有定论。这些都是问题、可能性，AI可以带来很多好处。我们还只是在浅尝辄止。
【全文结束】