《Journal of Controlled Release》：Artificial intelligence-enabled nanomedicine development: From rational design to manufacturing optimization
编辑推荐：
摘要
纳米药物的转化仍然受到一些顽固性瓶颈的限制，包括复杂的设计参数、难以预测的体内行为以及较低的诊断准确性。人工智能（AI）凭借其先进的数据处理和学习算法，通过从异构数据中学习并在整个纳米药物开发过程中支持决策制定，为这些挑战提供了新的解决方案。本综述总结了与纳米药物相关的
摘要
纳米药物的转化仍然受到一些顽固性瓶颈的限制，包括复杂的设计参数、难以预测的体内行为以及较低的诊断准确性。人工智能（AI）凭借其先进的数据处理和学习算法，通过从异构数据中学习并在整个纳米药物开发过程中支持决策制定，为这些挑战提供了新的解决方案。本综述总结了与纳米药物相关的AI方法和建模工作流程，并概述了它们在合理纳米材料设计、体内命运预测、纳米生物相互作用、诊疗成像分析以及制剂和制造优化中的应用。此外，本文还讨论了目前限制转化的主要障碍，这些问题主要涉及数据、模型可靠性和计算成本。未来的进步将依赖于更好的数据资源、更具通用性和可解释性的模型，以及AI与实验和机制方法的更紧密整合。我们相信，通过这些进步，基于AI的纳米药物最终将实现更可靠和可转化的结果。
引言
纳米药物依托纳米技术的发展，有望提高诊断精确度和治疗效果[1]，但其临床转化仍然受到限制[2]。纳米药物的临床应用面临一些挑战。首先，设计过程中涉及众多参数，其中微小的变化就可能显著改变体内的行为和治疗效果，而试错优化方法效率低下且成本高昂[3]。其次，与生物系统的相互作用尚未得到充分理解，这使得将实验室或动物实验结果直接应用于人体变得困难[4]、[5]。此外，复杂生物样本中的基质干扰经常产生误导性信号，从而影响诊断纳米药物的检测可靠性[6]。这些挑战需要新的赋能技术来整合异构数据并支持整个纳米药物开发过程中的决策制定。
其中一种赋能技术是人工智能（AI），它已被用于加速纳米药物设计并克服转化障碍。特别是机器学习（ML）和深度学习（DL），通过从异构数据中学习来提供新的解决方案并支持决策制定。在纳米药物领域，AI已应用于合理设计、体内命运预测和成像分析[7]，降低了开发成本和周期时间，并加速了临床前开发和转化准备[8]。这些进步共同表明，将AI整合到纳米药物开发中可以克服传统试错方法的局限性，并加速设计和验证工作流程[9]。
本综述重点探讨了当前阻碍纳米药物开发的转化瓶颈。文章围绕纳米药物中AI应用的问题导向进行了结构化介绍，涵盖合理设计、体内命运预测、诊疗成像和制剂优化等方面。其中，特别关注了制剂和制造优化这一在以往综述中较少被提及的领域。为了加速纳米药物的发展，我们提出了一些新的视角和方向，包括将AI与计算模拟和自动化实验相结合，利用密度泛函理论（DFT）和分子动力学（MD）模拟为AI模型提供物理标记的数据集，以及运用特定领域的大型语言模型（LLM）来协助纳米药物开发（图1）。通过系统地回顾AI如何应对这些挑战，我们旨在为加速纳米药物的转化提供一条路线图。
章节摘录
纳米药物开发中的挑战
尽管前景广阔，纳米药物在开发和治疗转化过程中仍面临诸多挑战，包括复杂的设计和优化问题、难以预测的体内行为以及有限的检测准确性（图2）。
纳米药物的AI方法
上述部分概述了纳米药物开发中的瓶颈：复杂的设计和优化、难以预测的体内行为以及纳米探针的有限检测准确性。最近的AI突破为克服纳米药物研究、开发和转化中的障碍提供了新的机会[55]。AI旨在使机器能够执行需要人类智能的任务，可通过专家系统、逻辑推理和机器学习等方法实现[3]。
AI在纳米药物开发和转化中的应用
AI在纳米药物和纳米探针的产品开发及转化评估中发挥了越来越重要的作用。AI模型已被用于纳米药物的计算机辅助设计，纳米载体的开发则是基于大量实验和临床数据的分析。AI模型模拟了纳米药物的生物分布、体内递送过程和药代动力学特性，以预测其体内行为。
当前的挑战和限制
尽管AI在支持纳米药物开发和临床前转化方面显示出了有希望的结果，但其性能在很大程度上依赖于高质量、标准化的数据进行模型训练和验证。然而，目前的纳米药物合成、表征和生物学效应数据缺乏可靠的实验标准和报告规范。数据质量差会严重影响AI模型的性能[146]。另一个问题是数据……
结论
AI已成为纳米药物研究和开发中的关键技术。文献综述首先总结了开发和应用纳米药物的基本问题，然后总结了与此相关的机器学习和深度学习方法。提供了AI模型在纳米药物设计、预测体内行为、改进诊断图像分析以及优化制备过程中的应用实例。通过结合高通量实验和多模态分析……
CRediT作者贡献声明
王磊仪：撰写 – 综述与编辑、原始草稿撰写、可视化、概念构思。金毅：撰写 – 综述与编辑、研究调查、概念构思。孙玲：撰写 – 综述与编辑、项目管理、概念构思。张健：撰写 – 综述与编辑。赵敏：撰写 – 综述与编辑、可视化。龚启勇：撰写 – 综述与编辑、监督。李昂：撰写 – 综述与编辑、概念构思。朱贵全：撰写 – 综述与编辑。
伦理批准和参与同意
题为“基于人工智能的纳米药物开发：从合理设计到制造优化”的手稿由王磊仪、金毅、孙玲、张健、赵敏、龚启勇、李昂、朱贵全、段振宇和罗奎共同撰写，提交给《Bioactive Materials》期刊进行评审。这是一篇文献综述，因此未进行任何动物模型或临床试验的体内评估。因此，我们的工作不属于伦理审查的范畴。
致谢
王磊仪、金毅和孙玲对这项工作做出了同等贡献。该项目获得了以下机构的资助：国家自然科学基金（32271445、52203182）、国家重点研发计划（2023YFB3810004、2022YFC2009900）、四川省科学技术厅（2024NSFJQ0050、2024NSFSC1022）。
王磊仪|金毅|孙玲|张健|赵敏|龚启勇|李昂|朱贵全|段振宇|罗奎
