智能激光烧结:深度学习驱动的粉末床融合3D打印在精密医学中的3D打印
Youssef Abdalla1, Martin Ferianc2, Atheer Awad3
1UCL School of Pharmacy, University College London, 29-39 Brunswick Square, London WC1N 1AX, UK.
International journal of pharmaceutics
|July 7, 2024
概括
一个新的深度学习模型准确地预测了3D打印药物的可打印性,为个性化医疗铺平了道路. 这一进步加速了为量身定制的患者治疗提供药物配方的开发.
科学领域:
- 制药科学 制药科学
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
背景情况:
- 传统的药物制造产生固定的剂量,导致50%以上的患者无效.
- 三维 (3D) 打印,特别是选择性激光烧结 (SLS),为个性化药物批量提供了潜力.
- 由于其非药品设计起源,SLS需要对药品应用进行广泛的试错.
研究的目的:
- 开发一种深度学习模型,用SLS.来预测含药配方的可打印性.
- 为了确定最佳的特征集,代表药物和聚合物,以准确地预测可打印性.
- 为优化配方提供对影响SLS打印能力的材料特性的见解.
主要方法:
- 通过使用药物和聚合物材料的各种特征来训练一个深度学习模型.
- 该模型被优化为可解释性和不确定性量化.
- 对SLS的药物加载配方的可打印性预测准确性进行了评估.
主要成果:
- 深度学习模型在预测含药配方的可打印性方面取得了90%的准确性.
- 可解释性分析确定了提高SLS打印能力的关键材料特征.
- 该研究代表了该应用程序的第一个可解释的,不确定性优化的深度学习模型.
结论:
- 开发的深度学习模型显著提高了对药物配方SLS打印能力的预测.
- 来自该模型的洞察力有助于优化SLS配方,加速个性化药物开发.
- 这种方法为量身定制的患者疗法提供了精确制造的途径.


