Искусственный интеллект и машинное обучение в вычислительной нанотоксикологии: раскрытие потенциала и расширение возможностей наномедицины

Достижения в области наномедицины в сочетании с новыми методами создания передовых материалов на наноуровне открыли новые перспективы для разработки продуктов здравоохранения и медицинских изделий. Особое внимание следует уделять подходам безопасного проектирования наноматериалов и продуктов на их основе. В последнее время искусственный интеллект (ИИ) и машинное обучение (МО) предоставили вычислительные инструменты для совершенствования и оптимизации процессов моделирования и симуляции в нанотоксикологии и нанотерапии. В частности, сопоставление фармакокинетических и фармакодинамических данных, полученных in vitro, со сценариями применения in vivo является важным этапом разработки безопасных наномедицинских продуктов. В этом обзоре описано, как наборы данных in vitro и in vivo используются в моделях in silico для раскрытия потенциала и расширения возможностей наномедицины. Основное внимание уделено физиологически обоснованному фармакокинетическому моделированию (PBPK), методам in silico на основе абсорбции, распределения, метаболизма и выведения (ADME), а также моделям дозиметрии как одному из ключевых направлений наномедицины. Рассмотрены вычислительные омиксные методы, характеристика коллоидных частиц, алгоритмы установления дозиметрических параметров для ингаляционной токсикологии и количественные зависимости «структура–активность» на наноуровне (nano-QSAR). Освещены проблемы и возможности, связанные с пробелами в нанотоксикологии в современную эпоху доминирования вычислительных подходов, как перспективные направления для ускорения клинической трансляции наномедицины.