医用组织粘合剂通常被视为治疗半月板撕裂的新型治疗方法,但是,组织粘合剂不容易实现临床观察,使用新型的体外三维组织培养技术可以大大提高新型组织粘合剂的研发效率。我们的目的是基于膝关节半月板组织培养技术生成组织粘合剂安全评价数据集,将其应用在有监督的机器学习分类器模型中,得到组织粘合剂安全评价结果。文中首先提出了一个新型的三维组织培养模型,新的模型采用了多层结构,考虑将传感器结构嵌入到模型中,在这个模型中实现半月板细胞群与组织粘合剂药物分子的共培养实验,基于实验设计并搭建组织粘合剂安全评价的数据集,最后,使用机器学习二分类算法对数据集进行分析处理,将从体外实验中获得的实验数据背后的价值挖掘出来。在这项研究中,组织培养和新型药物分子研究领域都属于国际比较前沿的技术,对设备和专业技术的要求很高,实现难度较大,开源的数据信息也比较少。课题采用基于知识图谱技术的仿真数据解决数据集的搭建和数据量不够的问题,使用容量为1600条数据的仿真数据集对三种二分类器算法进行了模型训练和评估,又通过对安全类别数据量的调整观察了分类器的稳定性,其中,随机森林分类器得到了更为优秀和稳定的结果,准确率均在85%左右,且对数据集的差异不敏感。评估结果显示,机器学习二元分类器可以很好的处理基于组织培养的粘合剂安全评价数据集。我们所设计的应用场景适用于大部分药物-组织培养领域,能有效降低生物实验的次数、新药发现的时间和成本,提高药物筛选的效率,并且为计算机处理组织培养实验数据集提供了思路和基础,有实际的应用前景和价值。