综述：从液体SNEDDS到固体SNEDDS：其发展及药物应用的综合评述

《The AAPS Journal》：From Liquid SNEDDS to Solid SNEDDS: A Comprehensive Review of Their Development and Pharmaceutical Applications

本综述系统梳理了自纳米乳药物递送系统（SNEDDS）在液态与固态形式下的设计策略、辅料选择、稳定性优化及剂型转化工艺，重点探讨了吸附法、喷雾干燥、热熔挤出等固体化技术面临的挑战与解决方案，并前瞻性地提出人工智能（如贝叶斯优化、随机森林等）在预测纳米乳区域、优化组分配比及提升口服生物利用度方面的应用潜力，为改善难溶性药物（如抗癌药、蛋白类药物）的递送效率提供了新思路。

　　

液态与固态SNEDDS概述

自纳米乳药物递送系统（SNEDDS）由油相、表面活性剂和助溶剂组成的均相混合物构成，在胃肠道水性环境中可自发形成粒径约10-200纳米的水包油纳米乳。其核心优势在于通过纳米技术与脂质载体的结合，显著提升难溶性药物的溶解速率、吸收效率及口服生物利用度，并可能通过淋巴转运规避首过效应。SNEDDS的剂型选择（液态或固态）直接影响生产工艺、药物释放行为及最终疗效：液态SNEDDS已预先分散，在胃肠液中乳化迅速，起效快；而固态SNEDDS通过吸附、喷雾干燥、热熔挤出等技术将液态前体转化为固体粉末、片剂或颗粒，在提高稳定性、掩盖不良气味的同时，可能实现更可控的释放模式。

辅料选择策略

SNEDDS的辅料组合通常为油相（10-70%）、表面活性剂（30-75%）和助溶剂（0-25%）。油相的选择基于药物溶解度与乳化能力，长链油（如橄榄油）易形成小粒径乳滴但乳化难度大，中短链油（如三乙酸甘油酯）则更易乳化但溶解度较低。表面活性剂多选用HLB>10的亲水性非离子型表面活性剂（如聚山梨酯80、Cremophor EL），以保障在胃肠道pH变化下的稳定性并降低毒性。固态SNEDDS的辅料需兼顾转化工艺兼容性，例如采用多孔载体（硅胶、Neusilin?）吸附液态SNEDDS，或直接使用固态脂质（Gelucire、Poloxamer）通过热熔加工形成自乳化基质。

制备方法与转化挑战

液态SNEDDS的开发常依赖三元相图或Box-Behnken设计等“试错”策略，而固态化过程需克服工艺复杂性及设备要求高的瓶颈。吸附法虽操作简单，但载体孔隙率（>50纳米更利乳化）和剂量体积增加可能影响流动性；喷雾干燥要求低粘度配方以避免热敏药物降解；热熔挤出需精确控制温度（高于载体玻璃化转变温度但低于药物分解点），防止纳米乳结构破坏；而冻干技术因油相低凝固点受限，常需联合甘露醇等冷冻保护剂实现固态转化。值得注意的是，固态化可能导致乳滴粒径轻微增大，但通过优化载体性质（如疏水性载体利于维持粒径）或高压均质后处理可缓解此问题。

稳定性考量

液态SNEDDS易发生析油、奥斯特瓦尔德熟化等物理不稳定性，且油相易氧化水解，需采用避光、隔氧包装。固态SNEDDS通过减少油脂含量、添加沉淀抑制剂（如HPMC、PVP）或构建过饱和SNEDDS（sSNEDDS），可显著提升化学稳定性，延缓药物结晶。pH环境亦为关键因素：脂肪酸类SNEDDS在碱性肠液中可能乳化受阻，而胆汁盐的存在反而促进乳滴细化。对于蛋白/多肽类药物，通过离子对形成或两亲性载体包裹可提升其在油相中的溶解度，但固态化过程中的温度敏感性问题仍需解决。

体内外行为对比

多数研究中液态与固态SNEDDS的溶出曲线无显著差异，但固态剂型（如片剂）因崩解过程可能延缓初始释放速率。液态SNEDDS因预先分散特性通常吸收更快，而固态SNEDDS更适用于需缓释或高稳定性的治疗场景。载体亲疏水性显著影响固态SNEDDS的粒径与溶出：疏水载体利于维持小粒径，而亲水载体可能因吸附作用降低溶出效率。

人工智能在SNEDDS优化中的应用

人工智能技术正逐步替代传统实验设计，通过机器学习（ML）、深度学习（DL）等工具预测药物溶解度、辅料相容性及纳米乳区域。例如，贝叶斯优化可动态调整实验参数，减少试验次数；随机森林（RF）能处理类别型辅料变量，优化组分组合；遗传算法（GA）可同步优化多目标（如最小粒径+最高载药量）。人工智能在固态SNEDDS领域的应用尚处起步阶段，但有望通过模拟载体特性（孔隙率、表面积）与工艺参数（喷雾干燥温度、挤出扭矩），加速剂型转化与工业化进程。

SNEDDS的应用前沿

当前SNEDDS已从口服胶囊拓展至吸入剂、眼用滴剂、黏膜黏附系统等剂型。固态SNEDDS通过3D打印技术实现个性化给药，而固定剂量复方（如坎地沙坦+氢氯噻嗪）及pH敏感型SNEDDS进一步拓宽了治疗场景。尽管已有部分液态SNEDDS上市（如Neoral?、Restasis?），但固态剂型的商业化仍面临工艺复杂度与剂量体积增加的挑战。未来方向将聚焦于人工智能驱动的精准设计、生物大分子（如胰岛素）的SNEDDS递送，以及刺激响应型系统的开发，以提升临床适用性与患者依从性。