Page 133 - 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 ·915 ·

2.1 ANN与药代动力学评估 回归神经网络来预测不同条件下的微血管密度，这
ANN 在新型药物递送系统统计评估中的应用 一方法简化了计算过程。借助AI驱动的网络，能够
已通过不同方法得到增强。例如，Noorain等 ［34］ 使用 观察特定条件下的血管动态变化，从而加深对联合
ANN 结合生物散斑和激光诱导击穿光谱技术来监 治疗策略的理解。
测酞菁⁃金纳米偶联物。这项研究是为了探索一种 目前，包衣片的质量还依赖于视觉观察，工艺
用于体内光动力治疗的新型药物递送介质，并利用 操作员必须及时纠正各种错误，以保持制作过程中
主成分分析，对灰度共生矩阵和局部对比度特征进 良好的质量控制。然而，在没有机器干预的情况
行了统计分析。同时，中耳炎多发于儿童，而通过 下，精确地监控整个过程有很大难度。因此，AI 在
耳镜对幼儿进行检查颇具挑战性。为解决这一问 固体制剂制药领域的应用潜力巨大。
题，Li等 ［35］ 利用ANN提高纳米粒子在自动识别中耳 Hirschberg等 ［40］ 利用基于AI的神经网络预测了
炎方面的有效性。Khan 等 ［36］ 还借助 ANN 评估了固 制剂的溶出度。该神经网络模型使用了 21 组溶出
体口服剂型中的药物释放模式，并采用中心复合设 数据进行训练和验证。通过应用有效数据回归法
计开发了口腔分散性莫西沙星片。基于中心复合 和参考线回归法，成功预测出了溶出结果。与此同
设计试验配方提供的数据集信息，对ANN基础模型 时，Dong 等 ［41］ 开发了 PharmSD，这是一种基于 AI 计
进行了训练。为开发多层感知器驱动的ANN模型， 算平台的固体分散体配方设计工具。该平台能够
Khan 等 ［35］ 采用了预留输入随机化方法。由上述例 预测固体分散体的物理稳定性、溶出速度以及溶出
子可见，采用 ANN 可帮助研究人员更有效地设计、 类型，可以帮助研究人员评估一些模型的应用领
开发和递送药物，并且ANN具有学习和自我纠正的 域，并协助计算实验中溶出曲线的相似性。由此可
能力，这有助于解决很多临床并发症。 见，基于AI的神经网络模型在药物预测方面取得了
目前，神经网络应用和软件在药代动力学 显著进展，AI 提供了一种更高效、更具成本效益的
［42］
（pharmacokinetics，PK）评估方面为实施创新的AI技 系统，大大缩短了传统预测所需要的时间 。
术奠定了坚实基础 ［37］ 。Yadav等 ［38］ 专注于研究基于 根据上述案例，AI在药物递送系统中的应用正
脂质体的药物递送技术平台，旨在模拟其平台对各 推动给药模式从被动释放向智能响应与预测性给
种API持续循环的影响。这些API具有特定的药理 药转变 ［43］ 。通过整合多模态生理数据、实时生物传
学特性，用于治疗特定疾病。该模型需要代表这些 感信号及患者个体特征，AI算法能够动态识别疾病
API 在脂质体内的吸收、分布、代谢和消除特性，预 状态的变化并预测出最佳给药时机与剂量，从而实
测每种 API 相对于脂质体内其他 API 的药物渗透 现按需、精准的药物释放。此类智能递送系统可响
性，如肿瘤组织中的外渗。该研究利用AI计算机模 应特定病理微环境如 pH、酶活性或炎症标志物或
拟分析一个复杂的系统来实现这一目标。相比传 外部刺激如光、热、磁场等，并在 AI 驱动下优化响
统的线性模型，ANN 具备处理非线性关系、高维变 应阈值与释放动力学，显著提升治疗窗口与用药安
量和复杂生物数据的能力，可从有限的实验数据中 全性。此外，结合ML与数字孪生技术，AI还能模拟
学习并精准预测药物的血药浓度⁃时间曲线、清除 个体药效反应，提前预警潜在不良事件，这为闭环
率、生物利用度等关键 PK 参数。通过整合分子结 式、自适应药物递送系统的构建奠定了基础，标志
构、理化性质及生理特征等多源信息，ANN 不仅提 着药物递送迈向真正意义上的智能化与个体化新
升了预测准确性，还支持早期化合物筛选与剂量方 阶段。
案优化，显著缩短研发周期，ANN 正成为药代动力 2.3 个性化与精准递送
学智能评估与新药开发不可或缺的核心工具。 在一项开放标签试验中，Gelman 等 ［44］ 使用第

2.2 智能响应与预测性给药 2 代AI驱动的治疗方案改善了心力衰竭患者的利尿
肿瘤血管生成因子、血管内皮生长因子和碱性 剂抵抗问题，该实验涉及10例对利尿剂抵抗的充血
成纤维细胞生长因子在促进内皮细胞迁移和血管 性心力衰竭患者。研究使用Altrus Care 应用程序，
TM
生成中发挥着关键作用。Bukhari 等 ［39］ 利用AI验证 为每位患者制定了个性化的治疗方案，还可根据预
了肿瘤外血管生成的数学模型，并预测其对特定药 设范围调整剂量和给药时间。在为期 10 周的干预
物治疗的反应。他们探索了使用内皮抑素研究抗 期间，所有可评估患者的临床表现均得到了改善。
血管生成疗法的新型数值和AI驱动方法，采用广义 同时，Hou等 ［45］ 利用AI计算机模拟评估了个性化肿