Рецензируемое исследование, опубликованное в раннем доступе в журнале Nature Communications в 2026 году, представляет экспертно-имитационную платформу искусственного интеллекта E-MAF, предназначенную для ускорения разработки полимерных систем контролируемого высвобождения. Объединяя суррогатную модель, учитывающую особенности процесса, с оптимизированным генетическим алгоритмом, E-MAF имитирует ход рассуждений экспертов — от предварительной оценки до детального проектирования — и создаёт пригодные для лабораторной реализации рецептуры, соответствующие целевым профилям высвобождения.
Исследователи сообщили, что система сократила цикл проектирования, который обычно занимает 6–12 месяцев, примерно до 1 часа. В исследованиях 7 активных фармацевтических ингредиентов было установлено, что высвобождение in vitro, фармакокинетика in vivo и терапевтические эффекты соответствовали коммерческим эталонам или превосходили их. E-MAF также обеспечила профили, которых трудно достичь традиционными методами: резкое высвобождение рисперидона в течение 1 часа удерживалось на уровне ≤2 %, а in vivo высвобождение происходило с почти нулевой постоянной скоростью на протяжении примерно 28 дней. Результаты указывают на потенциал этого подхода для ускорения внедрения систем контролируемого высвобождения и технологий доставки лекарств в клиническую практику и промышленное производство.
Авторами, внесшими равный вклад в исследование, были указаны Ying Qin, Rushuang Zhou, Yali Ming и Bohao Li; за переписку отвечали Yuedong Yang, Yining Dong или Yufei Xia. В исследовании участвовали команды, связанные с City University of Hong Kong, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Sun Yat-sen University и Huili Pharmaceutical Co., Ltd. Сообщается, что сотрудники Huili Y.H. и H.W. предоставили конфиденциальные данные компании о рецептурах и технологических процессах. Была подана патентная заявка на E-MAF и ее применения; изобретателями указаны Y.Q., R.Z. и Y.D. Остальные авторы не заявили о конфликте интересов.
При подготовке статьи ChatGPT и DeepSeek использовались под контролем авторов исключительно для улучшения языка. Исследование получило поддержку различных китайских исследовательских программ и фондов. Статья опубликована по лицензии CC BY-NC-ND 4.0, ее DOI указан как https://doi.org/10.1038/s41467-026-77619-5.
Почему это важно
Этот подход сокращает рабочий процесс между отсевом кандидатов и детальным проектированием составов с контролируемым высвобождением, позволяя командам разработчиков лекарств раньше определять, на какие варианты направить лабораторные ресурсы. Сопоставление результатов in vitro, in vivo и терапевтических результатов с коммерческими эталонами означает, что выводы не ограничиваются лишь заявлением о вычислительной эффективности; однако оценка была проведена только для семи активных фармацевтических ингредиентов. Поэтому остается неясным, удастся ли повторить такой же успех с другими соединениями, в иных производственных условиях и клинических применениях. Предоставление компанией конфиденциальных данных о рецептурах и технологических процессах, а также подача патентной заявки свидетельствуют о связи с промышленностью, но одновременно сохраняют актуальность вопросов о том, в какой степени метод может быть воспроизведен независимыми командами и насколько он будет доступен.