澳门大学中华医药研究院团队运用大数据的机器学习算法，预测并辅助纳米药物制剂纳米晶体的开发，研究结果也证实，团队建立的机器学习算法对“自上而下”(“Top-down”)方法制备的纳米晶体具有较好的预测准确性，并对于纳米晶体产业化过程中合理处方设计，缩短研发时间具有重要意义，研究成果获药剂学着名期刊《Journal of Controlled Release》刊登。

目前的在研药物中大约有40%的药物存在水溶性较差的问题。由于这一特性，这些药物常常难以通过传统的药物制剂技术获得理想的生物利用度，进而发挥药效。研究发现，纳米晶体制剂对于提高此类难溶性药物的生物利用度有较好的效果。然而目前纳米晶体的制备高度依赖于专家的经验以及反复的实验试错，因此研发过程耗费大量的人力物力，失败风险较高。近年来基于大数据的机器学习算法在网路优化、资讯管理、生物医学以及材料科学等诸多领域展现出巨大的潜力。其特点在于能高效快速的从已有资料中找出数据间的内在联系，并应用于未知数据的预测。基于此，澳大研究者从实验室内部和已发表文章中提取了910条纳米晶体制备相关数据，利用机器学习算法找出数据间内在规律，并最终预测不同制备方法下纳米晶体的粒径和多分散系数。研究结果证实，澳大研究团队建立的机器学习算法对“自上而下”(“Top-down”)方法制备的纳米晶体具有较好的预测准确性。此研究成果对于纳米晶体产业化过程中合理处方设计，缩短研发时间具有重要意义。

《Journal of Controlled Release》为药物制剂领域知名学术期刊，2018年影响因数7.901。澳大助理教授欧阳德方和教授郑颖为该研究论文通讯作者，澳大博士研究生何媛和叶祝一帆为共同第一作者；澳大研究助理刘馨阳，硕士研究生魏郑杰、邱芬，应用物理及材料工程研究院李海峰老师也为此研究做出重要贡献。该研究获澳门科技发展基金会和澳门大学资助。