Page 131 - 南京医科大学自然版

第46卷第6期 丁 妍，李晓林，徐华娥. 人工智能在药物递送中的应用［J］.
2026年6月 南京医科大学学报（自然科学版），2026，46（6）：911-918，934 ·913 ·

一种自动化的片剂识别分析工具；③UNet B，可定量 影响模型预测的最重要因素之一。另外，根据评估
检测片剂内部的裂纹。在模型测试期间，UNet神经 指标，ANN 在所有模型中均表现出了最高的准确
网络对 7 批片剂的扫描准确率高达 94%。此外，这 性。因此，ML 模型已被有效用于预测片剂药物的
种CNN技术还有助于检测其他商品中的缺陷，并大 释放特性。
大缩短了时间、减少了工作量、降低了成本。 1.3 基于微系统的药物递送
1.1.4 3D打印药片 1.3.1 微球和微囊
Obeid等 ［13］ 利用ANN模型研究了工艺参数和片 Sankalia等 ［17］ 采用ANN模型评估了工艺变量对
剂表面积与体积比对 3D 打印地西泮片剂药物释放 交联海藻酸盐微球中木瓜蛋白酶包埋的影响，这种
的影响。此研究以溶出率为预期结果，将填充密度 包埋可提高稳定性和位点特异性递送效果。经加
（20%~100%）和填充图案作为输入变量。首先，使 速和长期实验评估，包埋在海藻酸盐微丸中的木瓜
用自组织映射（self⁃organizing map，SOM）展示了多 蛋白酶具有更长的保质期，这证明了ANN技术在制
个变量之间的相互作用并对其进行了阐释。在经 备可向特定位点递送药物的稳定微球方面的价值。
SOM分析后，选择填充密度和表面积与体积比作为 有研究表明，在盐酸维拉帕米聚合物微球的制
输入变量进行进一步的建模研究。然后，他们构建 备中，外部水相的 pH 值是影响掺入效率和药物释
了一个 3 层 ANN 进行建模，其中第 1 层包含 2 个神 放曲线的关键因素。Labouta 等 ［18］ 采用ANN 和析因
经元，第 2 层包含 3 个隐藏神经元，第 3 层包含5个 分析作为多元分析方法，探讨了外部 pH 值和其他
神经元。在降低填充密度并采用“之”字形填充图 因素（如初始药物载量和聚合物浓度）对聚合物微
案的条件下，经 ANN 建模和验证后获得了高溶出 球特性的综合影响。结果显示，与析因分析相比，
率。ANN模型准确预测了3D打印地西泮片剂的溶 ANN模型不仅具有更强的拟合能力，还表现出更准
出模式。 确、偏差更小的预测能力。
无独有偶，Westphal 等 ［14］ 使用 CNN 来评估在使 张安阳等 ［19］ 采用 ANN 和响应面法（response
用选择性激光烧结 3D 打印技术制造的片剂中检测 surface methodology，RSM）对基于海藻酸盐的阿司
缺陷的可行性。在这项图像分类任务中，使用了包 匹林漂浮微球进行了优化，并测定了辅料成分的用
括 VGG16 和 Xception 在内的多个 CNN 预训练模 量、药物释放量和微球的浮力。结果显示，与 RSM
型。研究结果表明，VGG16 的准确率最高，达到了 模型相比，ANN模型能更准确地预测阿司匹林的体
95.8%。此外，Grad⁃CAM 也被成功用于可视化和解 外释放模式。综上所述，ML 模型在微球和微囊的
释CNN模型，并且VGG16在效果局部定位方面的表 制作上有显著贡献。
现比 Xception 更好。由此可见 AI 对 3D 打印效果提 1.3.2 固体分散体和水凝胶
升显著，能准确检测其缺陷。 为了提高卡马西平的溶解度和溶解速率，
1.2 基于缓释剂型的药物递送 Medarevic等 ［20］ 采用ANN建模和实验设计，利用泊洛
静态和动态ANN已经被用于骨架片的设计中， 沙姆 188 和 Soluplus 制备了卡马西平固体分散体。
®
以模拟各种骨架片的溶出特性。针对这些基于 同时在一项研究中，Barmpalexis 等 ［21］ 采用具有逻辑
ANN算法的模型，研究采用了Monte Carlo模拟和遗 S型激活函数的前馈反向传播ANN建模来分析各种
传算法来优化工具。Petrovic等 ［15］ 还利用 Elman 动 变量与药物溶出特性之间的关系，从而最大限度地
态神经网络和DT 来准确预测亲水性和亲脂性骨架 提高药物溶出速率。在该研究中，利用聚乙烯吡咯
片的溶出特性。与大多数常用的多层感知器和静 烷酮/聚乙二醇组合作为载体来制备固体药物分散
态网络相比，基于 Elman 动态神经网络的建模更有 体。所采用的 ANN 建模正确预测了具有所需溶出
效揭示了亲水性和亲脂性骨架片不同配方对药物 特性和长期物理稳定性的药物固体分散体制剂。
的释放规律。 此外，Gao等 ［22］ 在一项研究中采用ML方法考察
Galata等 ［16］ 评估了3种AI算法在预测亲水性骨 了固体分散体的溶出行为。在 5 折交叉验证中，随
架缓释片溶出特性中的应用。研究采用ANN、回归 机森林（random forest，RF）技术的准确率为 85%，灵
树集成和 SVM 进行数据分析和溶出特性预测。此 敏度为 86%，特异度为 85%。利用该技术构建了一
外，还将过程分析技术和CMA的结果合并作为输入 个分类模型，以区分两种溶出曲线：“弹簧⁃降落伞”
数据，以创建建模数据库。结果表明，粒度分布是 型和“维持过饱和”型。在 5 折交叉验证中，平均绝