技術要約：PILL-CoDe – 自動微分によるポリピルの逆設計

問題提起

ポリピル（複数の有効成分（API）と賦形剤を組み合わせた単一の経口投与形態）は、協調的な多相放出を実現する、パーソナライズされた固定用量配合療法への可能性を秘めている。積層造形（AM）は複雑な多材料形状の物理的な実現を可能にするが、既存の製剤ワークフローはアドホックなパラメータ探索に依存している。これらの手法は、形状、組成、および放出挙動の高次元な設計空間を体系的に探索するには不適切である。

既存の逆設計アプローチには、主に以下の3つの制限がある：

1. デカップリングされた最適化： これらは通常、形状と材料組成を個別に最適化するため、ピルの外部形状と複数の有効成分および賦形剤の空間分布を共最適化することができない。
2. 簡略化された物理学： 多くのモデルは、溶解を（エニカル方程式によって支配される）幾何学的な前進伝播問題として扱う。これは、古典的な溶解理論（例：Noyes-WhitneyおよびNernst-Brunnerモデル）の中心である、局所的な濃度蓄積、飽和効果、および拡散限定輸送といった重要な現象を無視している。
3. 計算上の障壁： 複雑で結合した物理学を最適化ループに組み込むには、多くの場合、手間のかかる手動の随伴感度導出が必要となり、物理的忠実度が高まるにつれて、その負担はますます増大する。

手法

著者らは、規定の薬物放出キネティクスに一致させるための、ポリピルの形状と賦形剤分布の同時共設計のためのフレームワークであるPILL-CoDeを提示する。このフレームワークはJAXで実装されており、パイプライン全体がエンドツーエンドで微分可能であることを保証している。

1. ハイブリッド設計表現

製造可能性（トポロジー的連結性）と設計の自由度（材料の不均一性）のバランスを取るため、本フレームワークはハイブリッドなパラメータ化を採用している。

• 形状（スーパーシェイプ）： ピルのグローバルな形状は、スーパーシェイプ（Gielis曲線）を用いてパラメータ化される。これにより、結果として得られる投与形態が、単一の連結されたモノリシックな領域であることを保証する。形状は、7つのパラメータ（平行移動 $c_x, c_y$、回転 $\theta$、半軸スケーリング $a, b$、平方性 $n$、および回転対称性 $m$）によって定義される。
• 材料分布（ニューラル・インプリシット）： $S$ 個の異なる賦形剤の内部分布は、座標ベースのニューラルネットワークによって表現される。このネットワークは空間座標を入力として受け取り、各賦形剤の体積分率を出力する。Softmax活性化関数により、単位の分割制約（$\sum \gamma_s = 1$）が強制される。このアプローチは、設計解像度をシミュレーションメッシュから切り離し、高解像度かつ連続的な材料場を可能にする。

2. 物理情報に基づくフォワードモデル

溶解プロセスは、結合された偏微分方程式（PDE）系によって支配される：

• 界面の進化： 変形されたAllen-Cahn相場方程式が、固液界面の移動をモデル化する。これには、相の進化を局所的な溶質濃度に結合させる、Nernst-Brunnerキネティクスから導出された溶解強制項が含まれる。
• 質量輸送： フィック型の拡散が、溶媒中の溶解種の輸送を支配する。拡散のソース項は相場界面に結合しており、これにより質量保存が保証される。
• 境界条件： 本システムは、理想的な in vitro シンク条件（境界における濃度ゼロ）および相場に対するゼロフラックス条件を仮定している。

3. 最適化フレームワーク

逆設計問題は、シミュレーションされた瞬時質量放出率と規定のターゲットプロファイルとの間の平均二乗誤差（MSE）を最小化することとして定式化される。

• 制約条件： 最適化は以下の事項を強制する：
  • グレーネス制約： 連続的な材料分率をバイナリ状態（0または1）へと駆動する継続戦略を用い、物理的な実現可能性を確保する。
  • 体積制約： スムーズな最小値定式化を用いて、特定の賦形剤の最小体積分率を強制する。
  • ボックス制約： 物理的な妥当性を確保するために、幾何学的パラメータを制限する。
• 感度解析： フレームワークは、JAXを介した**自動微分（AD）**を利用して、厳密な感度を計算する。過渡的かつ非線形なソルバーの計算コストを管理するため、著者らは以下を採用している：
  • Newton-Raphson反復のバックプロパゲーションを回避するための内積関数定理（IFT）。
  • 長時間の過渡シミュレーションに伴うメモリのボトルネックを軽減するためのチェックポインティング。

主な貢献

本論文は、以下の4つの具体的な貢献を特定している：

1. ハイブリッド・パラメータ化： グローバルな幾何学形状のためのスーパーシェイプと、内部の多材料分布のための座標ベースのニューラルネットワークを組み合わせた新しい設計空間。
2. 微分可能な溶解－拡散シミュレータ： 変形されたAllen-Cahn相場方程式とフィック型拡散を結合させた物理情報に基づくモデルであり、前進伝播モデルには欠落している局所的な濃度蓄積や飽和効果を捉える。
3. エンドツーエンドの逆設計フレームワーク： 制御方程式が最適化ループ内に直接埋め込まれ、感度が離散化ソルバーを介して自動的に計算される、設計の定式化。これにより、手動の随伴感度導出を回避する。
4. 拡張された到達可能集合： 形状のみの最適化と比較して、形状と賦形剤分布を共設計することが、達成可能な放出プロファイルの集合を大幅に拡大することを実証（複雑で非単調なキネティクスへの適合が可能になる）。

結果

フレームワークは、75×75のメッシュと2層のニューラルネットワークを用いた2Dドメインにおける数値実験を通じて検証された。

• 仮説の検証：
  • 単調なターゲット： 単一材料の最適化（形状のみ）は、単純な単調放出プロファイルを正常に一致させた。
  • 非単調なターゲット： 単一材料の設計では、初期の遅い放出、急速な加速、および急激な減衰を必要とする複雑なプロファイルに一致させることはできなかった（正規化MSE: $3.01 \times 10^{-2}$）。対照的に、多材料の共設計は、これらのプロファイルを正常に一致させた（正規化MSE: $9.52 \times 10^{-5}$）。
  • メカニズム： 最適化アルゴリズムは、初期放出を抑制するために遅い溶解の賦形剤を外周部に配置し、シェルの侵食に伴うバーストを生じさせるために速い溶解の賦形剤を内部に配置した。
• 初期化の堅牢性： フレームワークは、多様な初期形状（例：「スパイク」、「円」、「サンフラワー」）から同等の機能的性能へと収束し、局所解に対する堅牢性を示した。これにより、設計者は製造可能性や摂取しやすさに基づいて形状を選択できる。
• 劣化ケーススタディ： フレームワークは、原料の劣化（宇宙飛行条件をシミュレート）を含むシナリオに適用された。新鮮な、中程度の経年変化を経た、および高度に経年変化した賦形剤の最小体積制約を変化させることで、最適化アルゴルズムはターゲットの放出プロファイルに一致するように材料分布を適応させることに成功し、制約のある環境下での有用性を検証した。

意義と主張

本論文は、PILL-CoDeが、制御放出ポリピルの体系的な設計における決定的なギャップを埋めるものであると主張している。簡略化された前進伝播モデルを超えて、結合された溶解－拡散フレームワークを用いることで、多材料システムにおける放出を支配する物理的メカニズム（濃度勾配、飽和）を捉えることができる。

著者らは、彼らのアプローチが、製造上の制約の下で形状と組成の体系的な共設計を可能にすることを主張している。これは、複雑な物理学の感度導出の難しさによってこれまで阻まれてきた能力である。結果は、幾何学のみでは達成できない患者固有の複雑なターゲットに合わせて放出キネティクスを調整するためには、多材料の逆設計が不可欠であることを示唆している。

著者らは、以下の点において、自らの主張の範囲について謙虚な姿勢を維持している：

• 現在のモデルは、理想的なシンク条件下での溶解支配領域に限定されている。
• 到達可能な放出プロファイルの集合は、幾何学、材料分布、および物理的制約（例：非負の放出率）の相互作用によって制限される。
• 実用的な実装には、実験的に検証された材料データセット、3Dへの拡張、および積層造形の制約（例：最小特徴サイズ）や in vivo の生理学的要因の組み込みに関する今後の作業が必要である。