Acta Pharmaceutica Sinica B· 2025Q1· Derleme
Nanopartikül İlaç Dağıtım Sistemleri için Makine Öğrenmesi: Uygulamalar, Zorluklar ve Gelecek
Machine learning empowered formulation design, optimization and characterization of nanoparticulate drug delivery systems: Current applications, challenges, and future perspectives
- 44atıf
- Q1SCImago
- 2025yıl
Kısa özet
Makine öğrenmesi (MÖ), nanopartikül ilaç dağıtım sistemlerinin (NİDS) tasarımını, optimizasyonunu ve karakterizasyonunu, partikül boyutu, kapsülleme verimliliği ve stabilite gibi kritik kalite özelliklerini tahmin ederek hızlandırmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Makine öğrenmesi (MÖ), çeşitli nanopartikül ilaç dağıtım sistemlerinin (NİDS) tasarımında, optimizasyonunda ve karakterizasyonunda kullanılmaktadır.
- MÖ algoritmaları, partikül boyutu, kapsülleme verimliliği, ilaç yükleme ve stabilite gibi NİDS'nin kritik kalite özelliklerini tahmin edebilir.
- Derleme, polimerik nanopartiküller, lipid nanopartiküller, lipozomlar ve diğer nanotaşıyıcılar üzerindeki MÖ uygulamalarını kapsamaktadır.
- MÖ, nanomedicinelerin geliştirilmesini ve klinik çevirisini hızlandırma potansiyeline sahiptir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Nanoparticulate drug delivery systems (NDDS) have revolutionized modern medicine by significantly improving drug targeting, bioavailability, and therapeutic efficacy. Despite the clinical success of over 90 approved nanomedicines, the development of NDDS remains challenging due to the complexity of formulation design, optimization, and characterization processes. Artificial intelligence, particularly machine learning (ML), offers powerful data analytics and predictive capabilities that can address these challenges. This review systematically summarizes recent advances in ML applications across various NDDS formulations, including polymeric nanoparticles, lipid nanoparticles, liposomes, solid lipid nanoparticles, nanostructured lipid carriers, nanoemulsions, nanosuspensions, lipid-based hybrid NDDS, self-emulsifying drug delivery systems, niosomes, and nanocrystals. We also summarize how ML algorithms could help predict critical quality attributes of NDDS, such as particle size, shape, surface properties, drug encapsulation efficiency, drug loading efficiency, drug release behavior, and stability. Furthermore, we discuss existing challenges and prospects for the formulation development empowered by ML in NDDS. In conclusion, this review provides a comprehensive overview of the transformative potential of ML in improving the formulation development of nanomedicines, ultimately accelerating their clinical translation.
Yazarların özeti; kaynağından alınmıştır. Acta Pharmaceutica Sinica B, 2025 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Farmasötik Bilimler
Pharmaceutical SciencePharmacology, Toxicology and Pharmaceutics