机器学习在药物质量分析中的应用进展

摘要

[背景]在全球化药品质量监管日趋严格与制药工业智能化转型的双重驱动下，传统质量分析方法面临诸多挑战．近年来，机器学习凭借其数据解析与非线性建模的优势，逐渐成为推动药物质量分析技术革新的核心力量．[进展]机器学习在不同的药物质量分析领域均展现出独特的应用优势．在小分子药物领域，机器学习被用于优化色谱质谱方法开发、辅助体外-体内相关性分析建模、结合过程分析技术实现溶出度等离线参数的在线预测；在中药领域，机器学习结合成像技术被用于多模态鉴别模型，还用于实现中药中有效成分或毒性成分的识别与含量预测；在生物药物领域，机器学习被用于辅助复杂生物药物表征、预测作用活性、实现生产流程实时监控等．[展望]未来需突破模型的可解释性、数据异质性等挑战，通过多模态数据融合构建全生命周期质量分析体系，发展实时决策系统以实现精准的制药工艺调控，推动可解释人工智能与监管科学的协同演进，最终建立智能化药物质量分析的全新模式．

关键词

机器学习 / 药物质量分析 / 小分子药物 / 中药 / 生物药物

基金资助

国家自然科学基金（82504740,22274025）; 上海市2024年度“科技创新行动计划”启明星培育项目（24YF2721000）; 上海健康医学院教师教学研究项目（CFDY20250010）