導(dǎo)讀

2021年，國(guó)際人用藥品注冊(cè)技術(shù)協(xié)調(diào)會(huì)（ICH）指導(dǎo)原則《 Q13:原料藥和制劑的連續(xù)制造》描述了連續(xù)制造（CM）的開(kāi)發(fā)、實(shí)施、操作和生命周期管理的科學(xué)及監(jiān)管考慮，表明基于微流化學(xué)的藥物連續(xù)制造是制藥工業(yè)的新趨勢(shì)。2025年4月，美國(guó)食品藥品監(jiān)督管理局（FDA）宣布計(jì)劃逐步取消藥物研發(fā)中的傳統(tǒng)動(dòng)物試驗(yàn)，推動(dòng)類器官/器官芯片與人工智能（AI）模型等新方法學(xué)（NAMs）的應(yīng)用替代，標(biāo)志著藥物研發(fā)模式進(jìn)入新紀(jì)元。

正文

近期，受中國(guó)工程院錢鋒院士特別邀請(qǐng)，華東師范大學(xué)李洪林團(tuán)隊(duì)、華東理工大學(xué)朱維平/錢旭紅團(tuán)隊(duì)和大連理工大學(xué)李紅霞團(tuán)隊(duì)在中國(guó)工程院院刊《Engineering》上發(fā)表了題為“The Convergence of Artificial Intelligence and Microfluidics in Drug Research and Development”的長(zhǎng)篇綜述和展望性文章（超400篇參考文獻(xiàn)）。該文總結(jié)了全鏈條藥物研發(fā)流程中微流與AI的協(xié)同作用機(jī)制，并系統(tǒng)綜述了微流與AI技術(shù)在早期靶標(biāo)識(shí)別、藥物發(fā)現(xiàn)、藥物篩選、藥物評(píng)價(jià)、藥物制造和藥物遞送等各個(gè)階段、全流程深度融合發(fā)展現(xiàn)狀與前沿應(yīng)用及展望。連續(xù)微流協(xié)同人工智能作為桌面工程和NAMs的關(guān)鍵變革性工具已重構(gòu)全鏈條藥物研發(fā)流程，兩者的深度融合的“智能微流”有望顛覆傳統(tǒng)藥物制造模式，加速新藥研發(fā)并引領(lǐng)“藥物智造”新范式。

圖1. 藥物發(fā)現(xiàn)全流程中的微流和AI技術(shù)

微流技術(shù)利用微型化、高通量、高仿生性的核心優(yōu)勢(shì)，能夠以極低樣品消耗生成高質(zhì)量和近生理環(huán)境的實(shí)驗(yàn)數(shù)據(jù)；AI則憑借其高維異質(zhì)信息的處理能力，實(shí)現(xiàn)對(duì)微流數(shù)據(jù)的智能分析和流程決策。在全鏈條藥物研發(fā)流程中整合微流與AI已深刻變革了藥物研發(fā)模式。該文首先回顧了可用于藥物研發(fā)的微流與AI的理論和技術(shù)基礎(chǔ)，包括連續(xù)微流、液滴微流以及類器官/器官芯片，討論了用于增強(qiáng)微流體藥物智造的AI模型、數(shù)據(jù)采集和處理，以及如何在微流體中部署AI?；诶碚摲治?。該文詳細(xì)介紹了微流與AI的深度融合如何在藥物研發(fā)各階段（早期藥物發(fā)現(xiàn)、藥物篩選、藥物評(píng)估、藥物制造以及藥物遞送等）中發(fā)揮作用。其中，重點(diǎn)介紹了表型藥物篩選中AI對(duì)微流賦能技術(shù)產(chǎn)生的表型和多組學(xué)數(shù)據(jù)分析能力，以篩選具備特定靶向能力的藥物制劑；AI增強(qiáng)器官/類器官芯片技術(shù)實(shí)現(xiàn)藥代動(dòng)力學(xué)和毒性的精準(zhǔn)預(yù)測(cè)；藥物制造中的正向預(yù)測(cè)、優(yōu)化以及數(shù)據(jù)驅(qū)動(dòng)的自主藥物測(cè)試平臺(tái)，以實(shí)現(xiàn)“藥物制造”向“藥物智造”的轉(zhuǎn)變。微流與AI在全鏈條藥物研發(fā)流程中的深度融合有望突破當(dāng)前藥物研發(fā)的瓶頸，引領(lǐng)醫(yī)藥研發(fā)的技術(shù)革新，提升臨床和市場(chǎng)轉(zhuǎn)化價(jià)值。

圖2.AI協(xié)同微流賦能技術(shù)在表型藥物篩選中的應(yīng)用

圖3.AI與微流在ADMET分析中的融合機(jī)制

圖4.AI協(xié)同微流在藥物制造中的前沿應(yīng)用

總結(jié)

該文最后指出，在AI和微流融合達(dá)到成熟并全面應(yīng)用于全鏈條藥物研發(fā)流程之前，仍然存在一些挑戰(zhàn)。首先，亟需增強(qiáng)微流數(shù)據(jù)的準(zhǔn)確性、一致性與便捷性。特別是在FDA的顛覆性決策背景下，具有高置信度和成本效益的標(biāo)準(zhǔn)化類器官/器官芯片有望取代動(dòng)物模型作為藥物測(cè)試的金標(biāo)準(zhǔn)，并為AI提供可靠的數(shù)據(jù)來(lái)源支撐。因此，突破微流數(shù)據(jù)瓶頸是AI與微流協(xié)同重構(gòu)藥物研發(fā)的關(guān)鍵一步；其次，當(dāng)前AI方法本質(zhì)仍是“黑盒子”，缺乏透明度的情況可能響應(yīng)藥物開(kāi)發(fā)決策，因此對(duì)于可解釋AI的需求日益強(qiáng)烈；最后，AI與微流的融合機(jī)制大多集中在實(shí)驗(yàn)后數(shù)據(jù)智能分析。然而，AI賦能微流還具有極大潛力，將催生下一代數(shù)據(jù)驅(qū)動(dòng)的自主藥物測(cè)試與制造平臺(tái)即“芯片工廠”，來(lái)顯著推進(jìn)“藥物制造”向“藥物智造”的轉(zhuǎn)變。

大連理工大學(xué)高性能精密制造全國(guó)重點(diǎn)實(shí)驗(yàn)室研究生喬督和李紅霞副教授為本文共同第一作者。該工作得到了國(guó)家自然科學(xué)基金（82425104）和國(guó)家重點(diǎn)研發(fā)計(jì)劃（2022YFC3400501）等項(xiàng)目資助。

文獻(xiàn)詳情：

The Convergence of Artificial Intelligence and Microfluidics in Drug Research and Development

Du Qiao a # , Hongxia Li a # , Xue Zhang a , Xuhui Chen a , Jiang Zhang a , Jianan Zou a , Danyang Zhao a , Weiping Zhu b , Xuhong Qian c , Honglin Li c

Engineering，

https://doi.org/10.1016/j.eng.2025.07.025

長(zhǎng)按掃碼，查看原文