布朗大学研究团队近日在《药物递送科学与技术》期刊发表成果，宣布成功开发一种基于物理信息神经网络（PINNs）的AI预测模型，可大幅加速控释药物贴片与绷带的研发进程。传统控释材料研发高度依赖反复实验，周期漫长。该团队由Vikas Srivastava教授领衔，将菲克扩散定律与贝叶斯统计嵌入AI架构，使模型内置基础物理规律。测试表明，该模型仅需前6%的短期实验数据即可精准预测简单材料的长期释放行为，复杂结构材料亦只需33%的数据支持。此技术可将实验周期缩短94%至67%，有效量化数据噪声并提升预测可靠性。研究指出，该算法底层逻辑同样适用于口服药及植入式给药系统。这一突破有望显著压缩制药研发成本与时间门槛，推动新型控释制剂更快惠及患者，彰显人工智能在生物医药工程领域的实质性应用价值。