机器学习在生物医用合成材料中的设计与应用

徐芝炫1,周鹏程1,王佳乐1,钱兆宇2,郑世涛3,徐敬敬3,赵小菁3（1. 杭州医学院检验医学院、生物工程学院； 2. 杭州学军中学； 3. 杭州医学院药学院、食品科学与工程学院）

摘要： 生物医用材料包括天然材料和合成材料，其在组织再生和精准给药等医疗领域中具有不可替代的作用。然而，生物医用材料的性能优化长期受限于传统试错法的高成本与低效率。随着材料基因组计划和高通量实验技术的发展，数据驱动的设计方法为生物医用材料的开发提供了新范式。机器学习（Machine learning, ML）作为人工智能的核心分支，能够从海量的多源数据中提取有效特征，建立成分、结构与纳米尺度功能特性之间的构效模型，显著加速了新材料的筛选与性能预测。本文系统综述了机器学习在金属有机框架（MOFs）、水凝胶及生物质炭等生物医用合成材料设计中的创新应用，重点探讨了监督学习、生成模型及可解释人工智能等方法在材料建模中的实施路径与典型范例。结果表明，ML 在多项任务中成效显著，如预测MOFs 的药物负载与释放行为、优化水凝胶的力学性能与生物相容性，以及调控生物质炭的孔隙结构及表面活性等，这不仅提升了材料研发效率，也揭示了材料功能的内在影响机制。目前，ML 虽面临数据标准化不足、模型可解释性有限和实验验证体系不完善等挑战，但通过融合多模态数据库与自动化实验平台，将推动生物医用材料逐步实现智能化设计与个性化应用。本综述旨在为生物医用材料领域研究人员提供基础知识、方法选型参考，并展望了未来的发展方向。

关键词： 机器学习；生物医用合成材料；数据驱动设计；金属有机框架（MOFs）；水凝胶；生物质炭；高通量筛选；智能材料