综述：3D生物打印与人工智能在肿瘤微环境建模中的应用：模型、方法及整合途径的综述

《Molecular Pharmaceutics》：3D Bioprinting and Artificial Intelligence for Tumor Microenvironment Modeling: A Scoping Review of Models, Methods, and Integration Pathways

　　构建生理相关的肿瘤微环境（TME）模型对理解肿瘤生物学和开发精准疗法至关重要。本文系统综述了3D生物打印与人工智能在TME建模中的应用，聚焦结直肠癌、口腔癌、乳腺癌和胶质瘤四种癌症类型。通过分析2020至2025年的PubMed文献，发现AI在优化生物墨水配方（如胶原蛋白、海藻酸钠）、控制打印参数（如挤出式、激光辅助技术）及后处理分析（如CNN预测机械性能）中效果显著，但三者的整合应用仍较少，仅有一项研究涉及胶质瘤的AI与3D生物打印结合。研究指出需加强跨学科合作以克服标准化不足、成本高及数据碎片化等挑战，未来有望通过AI增强的个性化医疗模型推动精准治疗发展。

　　近年来，癌症研究领域取得了显著进展，强调开发与生理环境相关的模型以更深入地理解肿瘤行为和治疗反应。肿瘤微环境（TME）在肿瘤进展、转移和治疗抵抗中起着关键作用，而三维（3D）生物打印技术为构建复杂且接近真实情况的体外肿瘤模型提供了独特的能力。这些仿生模型超越了传统二维培养的局限性，并减少了对动物实验的依赖。本综述旨在系统地总结当前关于3D生物打印和人工智能（AI）在不同癌症类型中建模TME的研究。综述分为三个主题领域：3D生物打印在特定癌症类型的TME模型中的应用、AI在3D生物打印中的应用，以及将AI与3D生物打印结合用于TME建模的整合。通过系统地搜索PubMed数据库中的文献，我们涵盖了2020年1月至2025年6月期间发表的文章。综述遵循PRISMA-ScR指南，专注于英文的同行评审原始研究文章。纳入的癌症类型包括结直肠癌、口腔癌、乳腺癌和胶质瘤。在TME特定的3D生物打印研究中，共有63篇文章被筛选，其中44篇被纳入分析。在AI与3D生物打印结合的研究中，67篇文献被识别，其中14篇符合纳入标准。仅有的一项研究明确整合了AI和3D生物打印用于TME建模，这突显了研究中的关键空白。这些发现通过PRISMA流程图进行说明，以增强清晰度。尽管3D生物打印和AI都受到越来越多的关注，但它们在TME建模中的结合应用仍相对有限。综述中的文献表明，在生物墨水开发、工艺优化和质量控制方面取得了显著进展，但需要进一步的跨学科研究来实现AI在肿瘤微环境建模中对肿瘤学应用的潜力。

癌症仍然是全球主要的公共卫生问题之一。根据国际癌症研究机构（IARC）发布的《GLOBOCAN 2022》报告，2022年全球约有2000万例新发癌症病例，约有970万例癌症死亡病例。这一更新的数据反映了受新冠疫情影响的癌症发病率、筛查和治疗可及性。在美国，美国癌症协会预测，2024年将有约200万例新的癌症病例和61万例癌症死亡病例。因此，构建能够高度模拟体内肿瘤环境的模型对于理解肿瘤生物学和开发有效的治疗方法至关重要。传统的癌症研究方法，如二维细胞培养和动物模型，长期以来一直是癌症研究的基础工具。然而，这些模型往往无法复制复杂的空间、生化和细胞间相互作用，这些相互作用是人体肿瘤微环境（TME）的特征。尽管异种移植和基因工程小鼠模型具有某些优势，但它们在模仿人体肿瘤的动态和异质性条件方面仍存在不足。此外，对于许多侵袭性和高致命性的癌症类型，仍然缺乏合适的体内模型。

近年来，特别是在组织工程领域，3D生物打印技术显著改善了生理相关肿瘤模型的开发，例如肺部、乳腺、结直肠、肝脏、胶质瘤或膀胱癌等。因此，3D生物打印已成为临床前药物测试和个性化治疗方案开发的重要工具。然而，复制TME中复杂的细胞间相互作用和信号动态仍然是一个关键挑战。人工智能（AI），特别是通过机器学习（ML）和深度学习（DL）技术，为增强3D生物打印模型的设计和预测能力提供了有希望的解决方案。AI可以提高打印精度，扩展可打印材料的多样性，并改善打印后细胞的存活率。ML算法可以分析从生物打印结构中生成的高维数据，预测药物反应，优化打印参数，并改进设计策略。此外，DL技术与成像技术如CT和MRI结合，支持先进的肿瘤表征和模型验证。

鉴于AI与3D生物打印技术的快速技术融合，本综述采用了涵盖范围审查（scoping review）的方法。其目的是系统地映射当前关于3D生物打印和AI在建模TME中的研究状况。综述聚焦于四种生物复杂且临床重要的癌症类型：结直肠癌（CRC）、口腔癌、乳腺癌（BrCa）和胶质瘤（包括胶质母细胞瘤，GBM）。这些癌症因其高度异质性的TME和在生物打印文献中的重要性而被选择。CRC和BrCa是全球最常见的恶性肿瘤，因此对这些癌症的体外模型进行了大量研究。口腔癌的特点是复杂的TME，受基质和免疫相互作用的影响，而胶质瘤，尤其是GBM，是其中最具侵袭性和治疗抵抗性的肿瘤之一，其TME驱动的异质性在治疗中起着关键作用。这些肿瘤类型因此成为不同TME特征的代表性例子，同时也反映了体外生物打印模型正在积极开发的领域。

本综述的结构使我们能够聚焦于各个领域及其交叉点，从而识别关键趋势、协同效应和研究空白。综述的范围限于四种生物和临床重要的癌症类型：CRC、口腔癌、BrCa和胶质瘤。这些癌症类型的选择基于实验模型的可用性、其TME在疾病进展中的重要性以及其在生物打印文献中的突出地位。研究问题分为三个主题部分：1. 用于通过3D生物打印模拟这些癌症TME的策略和生物制造方法有哪些？2. AI在3D生物打印中的应用有哪些？3. 是否有研究将AI驱动的方法整合到TME模型的3D生物打印中，如果是，具体是哪些癌症类型？

综述采用了一种综合的文献检索策略，以确保全面覆盖相关研究。我们通过PubMed数据库进行了广泛的文献检索，时间范围从2020年1月到2025年6月。检索策略结合了与“3D生物打印”、“生物制造”、“生物墨水”、“肿瘤微环境”、“人工智能”、“机器学习”、“深度学习”和“过程控制”相关的关键词和MeSH术语，以及癌症特异性术语，如“结直肠癌”、“口腔癌”、“乳腺癌”、“胶质瘤”和“胶质母细胞瘤”。此外，我们还手动筛选了所纳入文章的参考文献，以确保研究的完整性。

为了确保研究的科学严谨性，我们制定了明确的纳入和排除标准。研究的可纳入性基于PCC框架，该框架被推荐用于涵盖范围审查。纳入的研究需满足以下条件：1. 研究对象为CRC、口腔癌、BrCa和胶质瘤/GBM的体外模型；2. 研究内容涉及使用3D生物打印技术，以及在TME建模中适用的AI方法，包括ML和DL；3. 研究背景为生物医学和生物工程研究，旨在重建TME用于实验、诊断或治疗目的。为了纳入，研究必须为原创的同行评审研究文章或预印本，以英文发表，并在2020年1月至2025年6月期间发表。纳入研究必须使用与选定TME相关的3D生物打印技术，并在适用的情况下整合AI组件以协助设计、制造或分析。

排除标准包括非原创出版物（如综述、编辑评论和信件）、发表时间超出研究范围、语言不是英文，以及不涉及3D生物打印、TME建模或AI在本综述相关背景下的应用的研究。在最终筛选后，每项研究被分类为生物打印、AI或它们的整合，这允许我们在癌症类型之间进行结构化分析，并识别这些技术的孤立和结合应用。

在TME相关研究中，有16篇文献在筛选阶段被排除，因为它们违反了预定义的纳入标准，特别是出版时间、语言和出版类型。相比之下，在AI相关研究中，没有文献在筛选阶段被排除，因为相关性和研究类型只能在摘要或全文评审后确定。这一策略确保了研究的全面性和相关性。

综述的结构使得我们可以对不同的癌症类型、生物打印策略和AI辅助方法进行比较分析。通过这种方式，我们能够更好地理解3D生物打印和AI在肿瘤微环境建模中的应用现状、趋势和研究缺口。虽然3D生物打印和AI都受到了越来越多的关注，但它们在TME建模中的结合应用仍然有限。综述中的文献表明，在生物墨水开发、工艺优化和质量控制方面取得了显著进展，但需要进一步的跨学科研究来实现AI在肿瘤学应用中对TME建模的潜力。

为了确保综述的科学严谨性，我们采用了一种系统性的数据筛选和提取流程。两独立评审者对所有检索到的记录进行筛选以确定其是否符合纳入标准。在识别阶段，如果记录违反了预定义的纳入标准，特别是发表时间、语言或研究类型，将被提前排除。对于TME相关的研究，根据元数据（年份、语言和出版类型）排除了若干记录。对于AI相关的研究，由于相关性和研究类型只能在摘要或全文评审后确定，因此在识别阶段没有排除任何记录。

剩下的记录经过两个阶段的评估。在标题和摘要筛选阶段，明显不相关的研究被移除。随后，对所有未在筛选阶段被排除的文章进行全文评估。在这一阶段，如果研究未涉及3D生物打印、TME建模或AI在本综述相关背景下的应用，将被排除。最终的纳入研究集被用于系统性的数据提取。对于每项研究，提取了以下信息：作者、发表年份、国家、研究设计、癌症类型、生物打印方法、使用的生物材料或生物墨水，以及在适用情况下使用的AI方法及其应用（如预测建模、优化生物墨水或工艺控制）。

所有提取的数据被综合到结构化的摘要表和图示中，以进行不同癌症类型、生物打印策略和AI辅助方法的研究趋势比较分析。整个筛选过程，包括识别、排除和纳入研究的数量，如图1和图2所示的PRISMA 2020流程图。这些流程图使用了PRISMA2020 R包和Shiny应用生成。

在TME建模方面，3D生物打印技术的多种方法被应用于不同癌症类型。其中包括挤出式生物打印（EBB）、喷射式生物打印（JBB），如按需喷射（DBB）、激光辅助生物打印（LAB）和光固化生物打印（VPB），后者包括立体光刻（SLA）、数字光处理（DLP）和双光子聚合（2PP）。这些方法在分辨率、打印速度、生物墨水兼容性和对细胞存活率的影响方面存在显著差异。每种技术都有其独特的优点和局限性，取决于目标组织结构和细胞类型。通过系统分析这些技术，我们可以更好地理解它们在TME建模中的适用性和潜力。

在TME建模中，生物墨水的选择至关重要，因为它直接影响细胞的存活率和打印结构的机械和生化保真度。水凝胶因其能够复制原生细胞外基质（ECM）的物理和生化特性而被广泛用于3D生物打印。在癌症建模中，选择合适的水凝胶对于复制肿瘤细胞行为和细胞间相互作用尤为重要。例如，较硬的基质可能模拟纤维化肿瘤，如胰腺或结直肠癌，而较软的水凝胶适合脑肿瘤模型。这些特性在不同癌症类型中具有显著的差异，这使得3D生物打印在不同癌症类型中需要不同的策略。

此外，3D生物打印在建模TME中的应用展示了其在模拟不同癌症类型中复杂相互作用的潜力。通过将肿瘤细胞、基质细胞和ECM成分整合到生物打印结构中，研究人员能够更精确地复制肿瘤的微环境特征，从而更好地预测治疗反应和药物作用。然而，目前在TME建模中，将AI与3D生物打印结合的研究仍然非常有限，这表明需要进一步的跨学科合作来推动这一领域的发展。

AI在3D生物打印中的应用主要集中在预打印、打印和打印后三个阶段。在预打印阶段，AI用于优化生物墨水配方、模拟组织结构和调整打印参数。在打印阶段，AI用于实时监控、异常检测和适应性反馈系统，以提高打印精度和控制。在打印后阶段，AI用于评估生物打印结构的质量和功能，如预测机械性能、分析细胞存活率和优化质量控制流程。这些应用展示了AI在3D生物打印中的重要性和潜力。

然而，尽管AI在3D生物打印中的应用前景广阔，但在肿瘤微环境建模中的结合仍然处于早期阶段。目前，只有少数研究明确将AI与3D生物打印结合用于TME建模，这突显了研究中的关键空白。因此，未来的研究应重点拓展这些整合方法，应用于其他具有复杂微环境的癌症类型，如胰腺癌、结直肠癌和乳腺癌。此外，需要建立标准化的AI工作流程，整合多组学数据，并在临床相关环境中验证这些技术。

综上所述，3D生物打印和AI的结合在肿瘤微环境建模中具有巨大的潜力，但目前仍面临诸多挑战。这些挑战包括技术标准化、成本控制、数据质量、模型可扩展性以及临床转化的障碍。通过克服这些障碍，3D生物打印和AI的结合有望成为癌症研究和治疗的重要工具，推动个性化医学的发展，并提高治疗效果。