开发 AI 辅助的 3D 打印可降解水凝胶微针，用于经皮输送装载孕酮的固体脂质纳米颗粒：一种减缓阿尔茨海默病进展的新方法

《International Journal of Pharmaceutics》：Development of AI-assisted 3D-printed degradable hydrogel microneedles for transdermal delivery of progesterone-loaded solid lipid nanoparticles: a novel approach to slowing Alzheimer’s disease progression

　　普瓦马宁·苏里亚安波恩（Phuvamin Suriyaamporn）| 帕瓦里斯·翁普拉尤恩（Pawaris Wongprayoon）| 瓦鲁特·帕纳康（Warut Pannakkong）| 博纳达·帕莫恩帕托姆库尔（Boonnada Pamornpathomkul）| 塔纳赛特·尼亚威伦帕特（Tanasait Ngawhirunpat）| 特埃拉萨克·罗贾纳拉塔（Theerasak Rojanarata）| 普拉尼特·奥帕纳索皮特（Praneet Opanasopit）

**泰国那空巴通市西尔帕科恩大学药学院工业药学系绿色创新组（PDGIG）的药品开发**

**摘要**
孕酮（Progesterone，简称PG）被用于减缓神经退行性疾病的进展，尤其是在绝经后女性中的阿尔茨海默病（Alzheimer’s Disease，简称AD）。然而，PG具有较高的脂溶性，这导致其与皮肤组织和血浆蛋白强烈结合，可能限制了其通过透皮途径的系统传输。固体脂质纳米颗粒（Solid Lipid Nanoparticles，简称SLNs）因其提高药物溶解度并促进脑部靶向药物递送的潜力而受到关注，可用于AD治疗。微针（Microneedles，简称MNs）提供了一种先进的微技术，显著改善了药物在皮肤中的渗透性。然而，传统的MN制造方法在形状控制、剂量精确度、高成本和时间消耗方面存在挑战。3D打印技术的最新进展为这些限制提供了解决方案。本研究旨在设计和评估装载了PG-SLNs的3D打印MN，用于AD治疗。使用可生物降解树脂制造MN，并借助卷积神经网络（Convolutional Neural Networks，简称CNNs）预测模型以提高准确性。评估了机械强度、渗透效率、体外和体内药物递送效率、细胞毒性和稳定性。优化后的MN高度为756.98±14.78微米，能够有效穿透皮肤屏障。SLNs的粒径为308.91±1.66纳米，粒径分布指数（PDI）为0.19±0.08，zeta电位（ZP）为-30.03±1.19毫伏。加载药物后，MN仍保持足够的机械强度，实现了高效的PG透皮递送，对神经元细胞无细胞毒性，并在长达3个月内保持物理化学稳定性。本研究突显了3D打印MN贴片作为新型透皮药物递送系统的潜力，展示了其在医疗应用中的实际可行性。

**引言**
阿尔茨海默病（AD）是一种进行性神经退行性疾病，其特征是认知功能（包括记忆、思维和推理能力）逐渐衰退。它是老年人痴呆最常见的原因，占痴呆病例的60-80%。该疾病的标志是大脑中β-淀粉样蛋白（Aβ）斑块和tau纤维缠结的异常积聚，这会干扰神经元间的通讯（导致神经递质水平下降），最终导致神经元死亡（Citron, 2010; DeTure and Dickson, 2019; Luo et al., 2014）。全球阿尔茨海默病患者数量目前估计为5000万，并预计每五年翻一番，到2050年将达到1.52亿。这一增长将对医疗系统造成巨大压力（Livingston et al., 2020; Yiannopoulou and Papageorgiou, 2020）。阿尔茨海默病的确切原因尚不清楚，但据信是由遗传、环境和生活方式因素共同作用的结果。风险因素包括高龄、性别、家族史、某些基因突变以及心血管疾病和糖尿病等状况（Armstrong, 2019）。特别是绝经后女性比同龄男性患阿尔茨海默病的风险更高（Scheyer et al., 2018）。孕酮（PG）水平在绝经后急剧下降，而这种激素在大脑功能中起保护作用，因此被认为是导致该病的一个因素。研究表明PG具有神经保护作用，包括促进神经元生长、减少β-淀粉样蛋白（Aβ）积累和维持突触健康。绝经后PG水平的下降可能使大脑更容易受到导致阿尔茨海默病的病理过程的影响（Bassani et al., 2023; Guennoun, 2020）。目前尚无治愈阿尔茨海默病的方法，现有治疗方法主要集中在增强神经递质功能、减少神经毒性物质的影响、解决疾病的根本病理过程、管理症状、减缓疾病进展以及提高患者及其护理人员的生活质量。阿尔茨海默病的药物治疗分为两类：乙酰胆碱酯酶（AChE）抑制剂（如多奈哌齐、瑞瓦斯汀和加兰他敏）和N-甲基-D-天冬氨酸（NMDA）受体拮抗剂（如美金刚）（Yiannopoulou and Papageorgiou, 2020; Birks, 2006; Ajenikoko et al., 2023）。但对于绝经后女性，孕酮（PG）是适当的激素替代疗法，可以减缓神经退行性疾病的进展（Shao et al., 2012; Carroll et al., 2007; Mills et al., 2023）。天然和合成的PG作为神经保护剂和再生剂，可能参与调节神经营养因子的表达，从而促进大脑中的细胞存活。此外，研究表明重要的PG代谢物如异孕酮醇具有神经保护作用。异孕酮醇可能通过与离子通道相关的膜受体（如GABAA受体系统）相互作用来产生保护效果（Bassani et al., 2023; Guennoun, 2020）。通过其机制，PG可以减轻培养的星形胶质细胞中的炎症和Aβ诱导的细胞因子产生，并减少tau蛋白的过度磷酸化（Bassani et al., 2023）。

孕酮（PG）具有高脂溶性，根据USP和Ph. Eur的溶解度分类标准，被认为是“几乎不溶”的。PG的对数溶度积（log P value）为3.87（Aumklad et al., 2022; Suriyaamporn et al., 2024）。因此，循环中的PG可以通过自由跨膜传输轻松穿过血脑屏障（Blood-Brain Barrier，简称BBB），并在整个神经系统组织中扩散（Pardridge and Mietus, 1979; Witt and Sandoval, 2014）。然而，当通过皮肤给予时，PG会与皮肤组织和血液中的结合蛋白强烈结合，这限制了其向大脑的传输效率（Guennoun, 2020）。基于脂质的纳米结构技术，特别是固体脂质纳米颗粒（SLNs），因其提高药物溶解度和促进脑部靶向药物递送的潜力而受到关注。SLNs是平均粒径在50-1000纳米之间的胶体纳米颗粒，具有多种优势，如控制药物释放、靶向中枢神经系统（Central Nervous System，简称CNS）中的药物、实现高透皮生物利用度、增强药物稳定性、允许结合亲脂性药物、以及避免使用有机溶剂。SLN制剂可以通过减少蛋白结合来提高药物在血液中的渗透性和增加血浆浓度。此外，它们的小粒径、表面电荷和表面活性剂有助于颗粒通过各种跨细胞转运机制穿过血脑屏障（BBB）紧密连接（Guo et al., 2015; Satapathy et al., 2021; Amiri et al., 2021）。SLN的制备使用热均质化方法简单易行。将熔化的固体脂质和乳化剂与水相通过高剪切混合器混合即可。总体而言，固体脂质和乳化剂对人体安全且生物相容，使SLN的生产可扩展且成本低廉（Satapathy et al., 2021）。

传统的PG给药方式通过皮下（肌肉内）注射可以提供持续的系统暴露；然而，这种方法具有侵入性和患者不适。口服PG由于首过代谢严重而生物利用度较低。相比之下，基于微针（MNs）的透皮系统提供了一种微创方法，能够实现长时间（例如一周）的控制和持续的药物释放，从而提高患者依从性。这些微米级针头（高度小于1000微米，Suriyaamporn et al., 2022）可以穿透最外层的皮肤（角质层），将药物递送到下面的真皮层（Suriyaamporn et al., 2022）。这种方法具有多个优势，包括提高患者依从性、增强药物生物利用度以及潜在的缓释配方。可降解水凝胶MN指的是聚合物MN基质在接触皮肤和释放介质时逐渐侵蚀和结构分解，从而释放包裹的药物。这一过程通过渗透研究后观察到的MN高度减小和表面形态变化以及相应的药物释放曲线得到证明（Lin et al., 2023）。可降解水凝胶MN可以由多种安全且与人体生物相容的材料制成，包括金属、聚合物和硅，并可根据不同的药物配方和递送要求设计成不同的形状和尺寸（Suriyaamporn et al., 2024）。MN和SLN的结合有助于克服这些限制。具体来说，MN创建了绕过角质层屏障的微通道，减少药物在表皮层的滞留，而SLN则提高药物溶解度并促进药物在皮肤中的更有效传输并在全身循环中释放（Gunawan et al., 2025）。MN的制造方法已被广泛探索，包括传统和现代技术。传统的制造方法如微模制和光刻通常涉及复杂的过程，并且可扩展性有限（Jamaledin et al., 2020）。在现代MN制造中，特别是液晶显示器（LCD）3D打印技术，由于其能够生产复杂、定制的结构或几何形状且精度和分辨率高，已成为制造聚合物MN的有前景的技术（Olowe et al., 2022; Villota et al., 2022）。LCD 3D打印利用光敏树脂，通过光源（通常是紫外线）逐层固化，由LCD屏幕上显示的数字掩模引导（C et al., 2024）。该过程可以创建特征小至几微米的复杂结构。通过控制光照时间和强度，这种技术提供了高精度和良好的MN可重复性（Xenikakis et al., 2021）。这些能力使其成为开发下一代基于微针的药物递送设备（Kundu et al., 2020）、生物传感（Parrilla et al., 2024）和其他生物医学应用（Johnson and Procopio, 2019; Cordeiro et al., 2020）的有希望的技术。

卷积神经网络（CNNs）是一种专为处理结构化网格数据（如图像）而设计的深度学习算法。CNN由多个层组成，包括卷积层、池化层和全连接层，能够自动并适应性地从输入图像中学习空间层次特征。它们在识别视觉数据中的模式、形状和物体方面特别有效，非常适合图像分类、物体检测和分割等任务（Kourounis et al., 2023; Ma et al., 2020）。在本研究中，采用了基于CNN的物体检测框架YOLOv8（You Only Look Once，版本8）对MN图像进行自动分析。YOLOv8结合了卷积特征提取和实时物体检测，实现了微针结构、缺陷和印刷阵列中几何变化的精确定位和识别。这种方法允许快速准确地评估印刷质量和针头形态。基于CNN的YOLOv8的架构和算法在视觉检测任务中表现出色，非常适合优化LCD 3D打印过程并确保聚合物MN的结构一致性（Sriram et al., 2019; Zhu et al., 2024）。近年来，已经开发了用于阿尔茨海默病药物的透皮药物递送系统，如纳米颗粒和微针，强调了它们的体外和体内性能（Singh et al., 2024）。由于这一主题对科学界的相关性，近年来发表了许多关于使用纳米颗粒和微针管理AD的研究论文（Kim et al., 2016; Guimar?es et al., 2022; Yan et al., 2020; Kearney et al., 2016; Zhao et al., 2022）。然而，关于通过透皮递送PG来减缓AD进展的研究仍然有限。此外，关于使用AI优化3D打印MN的研究很少。Bagde等人展示了使用AI和设计实验（DoE）制造含有布洛芬的3D打印MN。结果显示了良好的准确性和印刷质量的优化以及针头形态的优化。此外，3D打印MN表现出优异的布洛芬透皮药物递送效果（Bagde et al., 2023）。本研究基于我们之前使用人工智能（AI）和设计实验（DoE）开发和优化孕酮负载固体脂质纳米颗粒（PG-SLNs）的工作。本研究的新颖之处在于将优化的PG-SLN系统整合到3D打印MN中，从而实现更好的透皮递送和持续的药物释放，适用于潜在的神经保护应用（Suriyaamporn et al., 2024）。因此，本研究旨在进一步探索使用基于YOLOv8的物体检测技术优化LCD 3D打印可降解水凝胶MN的制造，以实现PG负载SLNs的透皮递送和减缓AD进展的效果。

**材料**
微粉化的孕酮（PG，分子量= 314.47 Da）从美国密歇根州Enviero工厂（卡拉马祖）获得。中链甘油三酯（MCT）、锂苯基(2,4,6-三甲基苯甲酰)磷酸酯（LAP）、聚乙烯二醇二甲基丙烯酸酯（PEGDMA；分子量= 550 Da）、Pluronic? F-127、硬脂酸和聚乙烯醇（PVA；分子量= 85–124 kDa）从英国多塞特市的Sigma-Aldrich公司购买。Gantrez? S-97（聚甲基乙烯醚-马来酸共聚物；分子量=1500 Da）购自英国萨里郡的Ashland公司。

PG-SLN的制备与表征
根据Suriyaamporn等人之前的研究（Suriyaamporn等人，2024年），PG-SLN的配方为：5%硬脂酸 + 1.76% MCT + 0.30% Pluronic F-127 + 0.5% PG。该研究结果显示，PG-SLN的粒径（PS）为308.91 ± 1.66 nm，粒径分布指数（PDI）为0.19 ± 0.08，Zeta电位（ZP）为-30.03 ± 1.19 mV。PG-SLN中的药物含量为4.51 mg/mg，占药物总含量的90.2%。PG-SLN的表征结果与之前的研究（Suriyaamporn等人，2024年）没有显著差异。

结论
本研究提出了一种新颖的技术，用于制备负载PG-SLN的可降解水凝胶微纳米颗粒（MNs）。这些微纳米颗粒采用基于生物树脂的LCD 3D打印技术制造，并结合卷积神经网络（CNNs）来预测打印性能和微纳米颗粒的最佳形态。研究成功开发出了用于经皮输送PG的3D打印微纳米贴片，所使用的树脂配方优化为：5% Gantrez? S-97、2.5% PVA、0.5% LAP和60% PEGDMA，打印时间为5秒。

伦理声明
本研究中遵循了美国国家研究委员会关于实验动物照顾和使用的相关指南，并获得了Silpakorn大学药学院动物研究伦理委员会的批准（项目编号：7/2567）。

关于生成式AI和AI辅助技术的声明
本手稿使用了生成式AI工具ChatGPT-5.2来提高文本的可读性和语言质量。

作者贡献声明
Phuvamin Suriyaamporn：负责撰写初稿、软件编写、实验设计、数据分析及数据整理。
Pawaris Wongprayoon：负责撰写初稿、实验设计及数据整理。
Warut Pannakkong：负责实验设计、数据分析及数据整理。
Boonnada Pamornpathomkul：负责文本修订与编辑、数据可视化。
Tanasait Ngawhirunpat：负责资源调配与资金筹集。
Theerasak Rojanarata：负责资源调配与资金筹集。
Praneet Opanasopit：负责项目监督、资源调配及资金筹集。

资金支持
本项目由Silpakorn大学药学院的研究与创意基金资助。

利益冲突声明
作者声明：他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢
本项目由Silpakorn大学药学院的研究与创意基金资助。