基于CCD-ANN-GA联用技术优化177Lu-羟基磷灰石放射标记工艺的建模研究及其在放射滑膜切除术中的应用潜力

来自国内的研究团队针对放射药物177Lu-羟基磷灰石标记工艺优化难题，创新性耦合中心复合设计(CCD)、人工神经网络(ANN)和遗传算法(GA)，建立高精度预测模型（ANN模型R2=0.99），确定最佳标记条件（pH 6.75/37.8oC），为放射滑膜切除术药物开发提供高效优化范式。

　　

在放射滑膜切除术领域，羟基磷灰石标记¹⁷⁷Lu放射性核素的新型制剂展现出巨大潜力。研究团队采用中心复合设计(CCD)结合响应面法(RSM)，并引入人工神经网络(ANN)与遗传算法(GA)的智能耦合策略，对标记工艺四大关键参数——初始放射性活度(0.082GBq)、pH值(6.75)、反应时间(22min)和温度(37.8^oC)进行系统优化。

实验数据显示，ANN模型预测性能显著优于传统RSM，其均方误差降低26%(9.08 vs 12.36)，决定系数R²高达0.99。这种多变量优化策略突破传统试错法局限，仅需少量实验即可生成高精度工艺模型。研究成果不仅为放射药物工业化生产提供智能优化方案，更推动放射滑膜切除术制剂向精准化、标准化迈进。