Традиционное производство индивидуальных ортезов стопы давно уперлось в «семантико-физический разрыв». Это вежливое определение ситуации, когда медицинские предписания врача на бумаге никак не коррелируют с конкретными геометрическими параметрами 3D-модели в CAD-системе. Исследователи из Университета Моквон и Shanghai AI Generative Design предложили закрыть этот вопрос с помощью прототипа TANS-FO. Система фактически переводит клинический текст в готовую структуру для 3D-печати, исключая инженера из производственной цепочки.
Технологическое ядро проекта — нейросетевой суррогат (Text-Aligned Neural Surrogate), который проецирует эмбеддинги клинических данных напрямую на поле плотности решетки. Чтобы не ждать часами результатов тяжелого конечно-элементного анализа (FEA), Руи Ван и его коллеги внедрили графовую нейросеть (GNN). По данным отчета, GNN-предсказатель достигает точности R2 = 0,94 в сравнении с профессиональным решателем Abaqus, выдавая физически корректный прогноз давления на стопу в реальном времени.
Главное в технологии TANS-FO
Использование PicoFoot-5K: модель обучена на базе данных более пяти тысяч пациентов для работы со сложной анатомией. Графовые нейросети: GNN заменяет длительные математические симуляции мгновенным прогнозом распределения нагрузок. Точность подгонки: средняя ошибка генерации модели не превышает 0,42 мм.
Практические испытания на группе мужчин 18–40 лет показали, что система снижает пиковое давление на 34,7% эффективнее, чем стандартные параметрические CAD-шаблоны.
Для индустрии медицинского «железа» этот кейс означает переход от ручного черчения к дизайну на основе намерений (intent-based design). Мы видим редкий пример того, как ИИ не просто рисует картинки, а связывает медицинскую семантику с реальной физикой и производственным циклом. Пока проект ждет регуляторного одобрения, он уже выглядит как готовый инструмент поддержки проектирования, способный кратно снизить затраты на квалифицированный труд и исключить человеческий фактор при интерпретации рецептов.