冻干技术虽能显著提升单抗、疫苗等生物药的长期稳定性，但传统复溶方法依赖医护人员手动操作，步骤繁琐且易出错（如针头堵塞、剂量不准）。因此随着包材形式的法制，出现了双腔卡式瓶自动注射器（Autoinjectors with dual-chamber cartridges ，AIDCs)，它是种一次性、可自行给药的注射装置，有助于冻干产品的自动复溶重构和注射。

AIDC的核心设计主要由三个组装部件构成：

• 后部组件（Rear Sub-Assembly ，RSA）：预压缩弹簧提供动力，推动药液。

• 双腔卡式瓶（Dual-ChamberCartridge，DCC）：

  - 前腔：冻干药物（Lyophilized Drug Cake）；

  - 后腔：稀释液（Diluent）；

  - 旁路通道（Bypass Channel）：复溶时稀释液绕行至前腔的关键通道。

• 前部组件（Front Sub-Assembly，FSA）：集成针头，直接注射。

当患者使用时，只需要进行3个步骤的操作：旋转激活→去除针帽→按压注射，全程无需手动混合！

但虽然新兴的AIDC通过集成双腔卡式针筒（DCC）和弹簧驱动机构，将复溶、排气、注射整合为一步操作，极大提升了患者便利性。然而，AIDC的设计涉及复杂的多物理场耦合（如流体动力学、固体力学、气体压缩），其性能受众多参数影响。

Merck 和 Veryst Engineering, LLC 研究团队尝试通过数学建模揭示AIDC内在的工作原理，并为设计决策提供量化依据。将AIDC的工作流程分解为五个阶段（初始态Stage0、复溶启动Stage1、复溶完成Stage2、排气Stage3、注射Stage4），针对每个阶段建立了基于牛顿力学和流体动力学的常微分方程（ODEs

模型的关键创新点包括：

• 胶塞摩擦力（Stopper friction）的实验标定：通过ADMET力学测试仪实测胶-针筒摩擦力的速度依赖性，拟合出幂律方程，解决了传统理论模型难以预测橡胶-玻璃界面摩擦的问题；

• 组织背压（Tissue Back-Pressure）的简化建模：基于离体皮下组织实验数据，提出线性背压模型，首次量化了注射介质（空气vs.组织）对AIDC性能的影响；

• 最大稀释液体积的解析解：通过理想气体定律和力学平衡，推导出避免旁路泄漏的临界体积公式，为卡式针筒设计划定安全边界。

模型的验证通过严格的对比实验完成：

• 药液粘度（1.3~24 cP）：1.3 cP（低粘度模拟生理盐水）、5 cP、10 cP、24 cP（高粘度模拟单抗）

• 针头规格（23G~29G）：23G（内径0.33 mm）、25G（0.26 mm）、27G（0.21 mm）、29G（0.18 mm）。

• 稀释液体积（0.5~1.5 mL）：0.5 mL、1.0 mL、1.5 mL（覆盖常见剂量范围）。

发现不同参数组合的性能，存在不同的差异影响，比如：

• 针头选择：模型揭示高粘度药液（如24 cP）使用29G针时，注射时间比23G针长5倍，直接支持了“大分子药物优选粗针”的临床决策；

• 润滑剂优化：摩擦力模型显示，硅油层厚度变化可能导致注射时间波动±15%，提示生产工艺需严格控制润滑剂涂布；

• 患者体验预测：通过模拟不同粘度药液的流量曲线，可提前识别可能导致疼痛的骤停或脉冲式注射（如弹簧力衰减过快）。

通过对测量实际注射时间并与模型预测的对比。结果显示，模型对低粘度药液的预测误差<9%，高粘度药液误差<12%，且在流量曲线动态趋势、组织背压影响等细节上均与实验高度吻合。这一精度水平表明，该模型已具备工程实用性，可帮助研发团队在早期设计阶段快速进行评估。

有助于推动AIDC从“经验驱动设计”转向“模型驱动设计”。这不仅可缩短产品开发周期，还能通过虚拟筛选降低材料成本。此外，模型的模块化框架允许未来集成更多物理效应（如冻干饼溶解动力学、针头插拔力），为下一代智能注射器（如电动反馈调节AIDC）奠定理论基础。

总之，这项研究通过跨学科方法（制药工程+应用数学+实验力学），构建了一个兼具预测精度和工程实用性的AIDC模型，其价值不仅在于解决冻干药物自我给药的现实难题，更在于提供了一套可推广的“仿生建模”方法论——通过分解复杂生物医疗器械的工作流程，用物理学定律和实验数据共同约束数学模型，最终实现从“黑箱操作”到“透明化设计”的跨越。未来，随着个性化药物（如mRNA疫苗、CAR-T细胞疗法）的普及，此类模型或将成为连接药物特性、器械设计与患者体验的“数字桥梁”，助力精准医疗时代的到来。

作者：Shengyi 

来源：拾西

公众号日期：2025年7月25日