PLGAミクロスフィアの薬物放出挙動予測における機械学習

科学分野:

• 生体材料科学
• 製剤技術
• 計算化学

背景:

• ポリ（乳酸-共-グリコール酸）（PLGA）ミクロスフィアは、持続的な薬物送達に不可欠であり、患者のコンプライアンスを向上させます。
• 現在の開発は、薬物放出に影響を与える複雑な製剤要因により、非効率的な試行錯誤の方法に依存しています。

研究 の 目的:

• PLGAミクロスフィアからのインビトロ薬物放出プロファイルを予測するための機械学習モデルを開発および検証すること。
• 薬物放出速度論に影響を与える主要な製剤パラメータを特定すること。

主な方法:

• 科学文献から113のPLGA製剤の包括的なデータセットを編集しました。
• 予測性能のために複数の機械学習アルゴリズムをトレーニングおよび評価しました。
• 放出に影響を与える重要な要因を理解するために特徴量重要度分析を実施しました。

主要な成果:

• 最適な機械学習モデルは、R² = 0.9415、RMSE = 6.99%、MAE = 4.35%で高い精度を達成しました。
• モデルは、PLGAミクロスフィアからのインビトロ薬物放出に対して堅牢な予測能力を示しました。
• 特徴量重要度分析により、薬物放出に影響を与える主要因が特定されました。

結論:

• 機械学習は、PLGAベースの薬物送達システムの合理的な設計と最適化のための強力なツールを提供します。
• 薬物放出プロファイルの正確な予測は、製剤開発を加速し、治療結果を改善することができます。
• このデータ駆動型アプローチは、長時間作用型注射剤の開発を効率化します。