En fallstudie av Xuefu Zhuyu-preparat – och vad det betyder för västerländska konsumenter som är intresserade av naturliga mäns hälsa (t.ex. Cistanche)

 

 

Abstrakt

Preparat för traditionell kinesisk medicin (TCM) medför fortfarande potentiella säkerhets- och kvalitetsrisker eftersom de innehåller komplexa blandningar, ofta har en oklar "aktiv materialbas", visar otillräcklig kvalitetskontrollerbarhet och kan ha verkningsmekanismer som inte är helt klarlagda - faktorer som begränsar både storskalig adoption och internationalisering.

För att ta itu med dessa frågor har TCM-fältet gradvis bildat ett systematiskt tillvägagångssätt för omutveckling, centrerat på konceptet"ny användning av gamla droger och förnyelse av klassiker."Detta tillvägagångssätt främjar djupare utgrävning och omvärdering av allmänt använda TCM-produkter med hög effekt ("stora varianter" eller större produkter).

Med den snabba och allt mer praktiska tillämpningen avartificiell intelligens (AI), processanalytisk teknologi (PAT), nätverksfarmakologi, masspektrometri och konceptet Quality-by-Design (QbD)inom TCM-forskning och -tillverkning har moderniseringen och den vetenskapliga utvecklingen av stora TCM-produkter gått in i en ny möjlighetsfas.

I denna tidning,Xuefu Zhuyu förberedelser-en representativ viktig TCM-produkt som används för att främja blodcirkulationen och ta bort blodstas - används som fallstudie. För första gången är det tekniska nyckelsystemet som är involverat i dess sekundära utveckling systematiskt organiserat i fem dimensioner:kvalitetskontroll, mekanismanalys, klarlagd effektivitet, effektivitetsförbättring och internationellt erkännande.Samtidigt, i kombination med applikationsexempel på AI och stora språkmodeller (LLM), optimeras de relevanta tekniska vägarna och gemensam erfarenhet destilleras för att utforska framtida riktningar för större TCM-produktutveckling, vilket ger ett referensparadigm för modernisering och uppgradering av liknande produkter.

Nyckelord:stora TCM-produkter; Xuefu Zhuyu-preparat; sekundär utveckling; processanalytisk teknologi; artificiell intelligens

 

1. Varför "sekundär utveckling" är viktig nu (och varför västerländska läsare borde bry sig)

Under de senaste åren har globala folkhälsohändelser inträffat ofta - från covid-19-pandemin till upprepade säsongsbetonade luftvägsutbrott - vilket skapar nya utmaningar för människors hälsa. I detta sammanhang, TCM, med sitt system avholistisk reglering och mönsterbaserad behandling, har visat ett särskiljande värde för att förebygga och hantera både infektionssjukdomar och kroniska tillstånd, och dess internationella inflytande har vuxit.

Historiskt sett framskrider TCM genom en spiralväg:klinik → teori → klinik. Många klassiska multiörtformler kommer från långvarig klinisk erfarenhet och överföring mellan generationerna. Större produkter som Xuefu Zhuyu-preparat har vanligtvis starka egenskaper:tydligt kliniskt värde, breda användarpopulationer och mogna industriella grunder-och därför bli pelare för högkvalitativ utveckling av TCM-industrin.

Men bara en liten del av stora TCM-produkter uppfyller för närvarande moderna internationella läkemedelsförväntningar (som ICH-ramverk och FDA/EMA:s regleringsvanor). Ta Xuefu Zhuyu som ett exempel: kommer från Wang QingrensYilin Gaicuo(Qing-dynastin), den innehåller 11 örter inklusive persikokärna, safflor, angelica, ligusticum och röd pion. Det används ofta för att "uppliva blod, ta bort stas, reglera qi och lindra smärta" och har bred klinisk tillämpning.

Ändå är vägen till modernisering fortfarande begränsad av välbekanta flaskhalsar:

oklar farmakodynamisk materialbas (vad exakt "gör jobbet"),

otillräcklig vetenskaplig tolkning (hur det fungerar),

låg standardisering av produktionsprocesser,

ofullständiga kvalitetskontrollsystem,

svårigheter att uppnå spårbarhet från början till slut.

Dessa begränsningar minskar det kliniska förtroendet, konkurrenskraften på marknaden och internationell tillgång – och kan till och med driva vissa produkter mot eliminering. Samtidigt är det långsamt och dyrt att utveckla helt nya läkemedel och kan inte alltid matcha verkliga kliniska behov.

Detta är anledningen till att politik och näringsliv har betonat allt mersekundär utveckling-modernisera etablerade klassiker istället för att börja från noll. Med framväxten av AI, LLM, nära-infraröd (NIR)/Raman-spektroskopi, PAT och kemometri,intelligent kvalitetskontrollhåller på att bli en kärnmotor för att förvandla den "svarta lådan" av örttillverkning till något mätbart, förutsägbart och auditerbart.

För västerländska mäns wellness- och örttillskottskunder:
När du köper en "naturlig" produkt, vad du verkligen vill ha är inte marknadsföringsspråk - du vill habatch-till-batch-konsistens, säkerhet och trovärdig effektivitet. Det tekniska systemet som beskrivs nedan handlar exakt om att tjäna det förtroendet.

2. Det tekniska kärnsystemet för sekundär utveckling (5 dimensioner)

Tillverkningen av stora växtbaserade preparat sträcker sig över en hel kedja-odling & inköp → bearbetning → extraktion & separation → doseringsformstillverkning → kvalitetstestning. Variation när som helst kan förändra slutkvalitet och klinisk prestanda.

För att nå de sekundära utvecklingsmålen förkontrollerbar kvalitet, tydligare effektivitet, tydligare mekanismer, förbättrade resultat och internationellt erkännande, måste tillvägagångssättet vara systemorienterat: integrera modern analys, processkontrollverktyg och AI-algoritmer för att hantera kvalitet från källa till färdig produkt.

Som visas konceptuellt i "fem-core-direction"-modellen fokuserar sekundär utveckling vanligtvis på:

Mer kontrollerbar kvalitet

Tydligare mekanismer

Tydligare effektivitet (materialbas och mätbar bioaktivitet)

Mer enastående klinisk prestanda (uppgraderingar av formulering och leverans, bättre bevis)

Större nationellt och internationellt erkännande (standarder, kliniska bevis, farmakovigilans)

 

3. Dimension 1 - gör kvaliteten verkligt kontrollerbar (från "sluttestning" till "inbyggd kvalitet")

Kvalitetskontroll är grunden för allt annat.

3.1 Processanalytisk teknik (PAT)

PAT är ett kvalitetsstyrnings- och analytiskt ramverk inriktat påprocessförståelse och realtidskontroll. Det tar online- eller in situ analytiska verktyg in i tillverkningen för att dynamiskt övervakakritiska kvalitetsattribut (CQAs)ochkritiska processparametrar (CPP), modellera dem sedan och återkoppla till processjustering.

För komplexa växtbaserade system-multi-source, multi-komponent, hög variabilitet-traditionell "slutproduktsprovtagning + erfarenhet" kan inte fånga tillräckligt med processinformation och kan inte tillförlitligt stödja industriell skalning och internationell efterlevnad. PAT ger en praktisk väg:

flerdimensionell avkänning →

datamodellering →

intelligent beslutsfattande.

Den kan användas för:

äkthetsidentifiering av råa örter,

övervakning av extraktion och koncentration,

utvärdera blandningslikformighet,

bestämma processslutpunkter,

tidig varning för avvikelser.

3.1.1 Spektroskopi (NIR och Raman)

NIRär snabb, icke-förstörande, kräver lite provförberedelser och är väl lämpad för komplexa naturliga matriser. I kombination med kemometri stöder den övervakning i realtid och till och med "gröna" frisättningsstrategier.

Ramanger rikare strukturell information och påverkas mindre av vatten, vilket gör den värdefull för vattenhaltiga system och interaktionsspårning i avkok av flera örter.

Begränsning att erkänna (viktigt för trovärdigheten):
Spektralmodeller kan glida över batcher, instrument och produktionslinjer. Robust applikation kräver standardiserade provbibliotek (multi-origin, multi-processing, multi-process conditions) och extern validering.

3.1.2 Imaging (Hyperspectral Imaging, HSI)

HSI kombinerar rumslig avbildning med spektralanalys som fångar både utseende och kemisk information. Det har stor potential för:

geografisk ursprungsspårning,

utvärdering av ytjämnhet,

upptäckt av främmande kroppar,

processövervakning.

Verklig barriär:kostnad, komplexitet och realtidsanalyssvårigheter på grund av högdimensionell data.

3.1.3 Machine Vision (MV)

Maskinseende fokuserar på makroskopiska fysiska signaler - färg, textur, morfologi - som ofta korrelerar med viskositet, fast innehåll, partikelfördelning och processstatus. Jämfört med mänskligt omdöme är MV objektiv och skalbar.

Nyckelbegränsning:MV mäter inte direkt kemisk sammansättning, så det fungerar bäst när det smälts samman med spektral/kemisk data.

 

3.2 Kvalitet genom design (QbD)

QbD bryter sig från "kvalitet beror på slutlig inspektion." Den betonar:

definiera CQA,

identifiera kritiska materialattribut (CMAs),

modellera nyckelprocessenheter,

bygga endesign utrymme(acceptabla driftsområden),

inbädda riskhantering.

Verktyg som responsytemetoder, fiskbensanalys och FMEA hjälper till att identifiera CPP och optimera processer.

Hur detta inspirerar en Cistanche-extraktfabrik:
Om du vill att "premium Cistanche-extrakt" ska vara trovärdigt i väst, måste du definiera CQA som spelar roll för din avsedda marknad (t.ex. specifika fenyletanoidglykosider, fukt, kvarvarande lösningsmedel, mikrobiella gränser, förfalskningssignaler), sedan bygga ett designutrymme där dessa CQA är stabila.

 

3.3 Holistisk kvalitetskontroll (flerdimensionella fingeravtryck)

Örtprodukter kan inte "förklaras" med en markör. Fingerprinting syftar till att representera helheten.

Kemiska fingeravtryck(ofta HPLC-baserade) återspeglar flerkomponentsammansättning.

Fysiska fingeravtryckfånga makroskopiska egenskaper kopplade till tillverkningsbarhet och stabilitet.

Tillsammans möjliggör de konsekvensutvärdering - men de indikerar fortfarande huvudsakligen "likhet", inte nödvändigtvis "samma klinisk effekt."

Nästa steg vetenskapligt gap:
Bygg robusta, kvantifierbara länkar mellan "flerdimensionella fingeravtryck → CQAs → biologiska effekter in vitro/in vivo."

 

3.4 AI och stora språkmodeller (LLM) i kvalitetskontroll

AI och LLM driver kvalitetskontroll motdatadrivet, intelligent beslutsfattande:

multimodal fusion (process + spektra + kemiska profiler),

snabbare och grönare analys (t.ex. komprimerade fingeravtryck),

intelligent midstream release av intermediärer,

LLM:er som omvandlar modellutgångar till operatörsvänlig vägledning.

Praktisk implementeringsutmaning:
Högkvalitativ, standardiserad industriell data är ofta den svaga punkten - heterogena källor, inkonsekventa samplingsfrekvenser, oklara etiketter, sällsynta onormala partier och fabriksinkompatibilitet med data.

För konsumenter av västerländska kosttillskott:
"AI-historien" ska inte användas som hype. Dess verkliga värde är tråkigt - men viktigt:förebygga dåliga partier, förbättra konsekvensen och göra kvalitetsbeslut revisionsbara.

 

Tabell 1. Skillnader mellan fysiska fingeravtryck och kemiska fingeravtryck

Punkt	Fysiskt fingeravtryck	Kemiskt fingeravtryck
Princip	Baserat på provets makroskopiska fysikaliska egenskaper (t.ex. morfologi, partikelstorlek, densitet, viskositet, termiskt beteende) för att utföra fysisk testning; stabila externa attributfunktioner extraheras för att bilda en fingeravtrycksprofil.	Baserat på typerna och innehållet av kemiska beståndsdelar i provet; kemiska sammansättningsegenskaper erhålls genom separation, identifiering och kvantitativ analys för att konstruera en fingeravtrycksprofil.
Vanliga metoder	Mikroskopi (optisk mikroskopi, elektronmikroskopi, svepelektronmikroskopi/SEM); mätning av fysikaliska konstanter (brytningsindex, optisk rotation, viskositet, densitet, medelpartikelstorlek, innehåll av fast material); termisk analys (DSC, TGA).	Kromatografi (HPLC, GC, TLC); spektroskopi (IR, NIR, Raman, UV–Vis, NMR, MS); avstavningstekniker (t.ex. LC–MS, GC–MS).
Fördelar	Intuitiv och lätttolkad; snabba och bekväma mätningar; låg kostnad och låg provförbrukning.	Direkt kopplad till kemiska beståndsdelar; rikt informationsinnehåll med hög specificitet och känslighet; återspeglar de inneboende kvalitetsegenskaperna hos medicinska material.
Begränsningar	Speglar huvudsakligen yttre fysikaliska egenskaper och är okänslig för förändringar i kemisk sammansättning; starkt påverkad av miljö och provhantering, med relativt svagare stabilitet.	Hög instrumentkostnad och höga tekniska krav; komplexa experimentella förfaranden och databehandling; tidskrävande metodutveckling.
Applikationsscenarier	Autentisering och kännetecken/utseendeidentifiering av traditionella kinesiska medicinska material (TCM); konsistensutvärdering av fysikaliska egenskaper; övervakning av vissa bearbetningssteg.	Botanisk/källa identifiering av TCM; kemisk kvalitetskonsistensutvärdering; komponentanalys; studier som kopplar sammansättning till effekt.

 

4. Dimension 2 - gör mekanismerna tydligare

TCM:s styrka är multi-komponent, multi-target, multi-pathway synergi-exakt det som gör mekanistisk förklaring svår med klassisk single-target farmakologi.

Moderna metoder kombinerar:

nätverksfarmakologi(komponent–mål–väg–sjukdomsnätverk),

molekylär dockning(virtuellt bindande bedömning),

multi-omics: transkriptomik, metabolomik, proteomik,

AI-assisterade simuleringar (dockning, molekylär dynamik),

framväxande valideringsplattformar (organchips).

4.1 Nätverksfarmakologi + dockning

Användbar för hypotesgenerering och prioritering (kärnkomponenter, kärnmål, nyckelvägar). Men det beror mycket på databasens fullständighet och måste valideras experimentellt.

4.2 Transkriptomik, Metabolomik, Proteomik

Dessa "omics"-verktyg flyttar berättelsen från "det fungerar kliniskt" till "det förändrar mätbara biologiska nätverk", vilket stärker beviskedjan.

4.3 AI-assisterade mekanismstudier

AI stärker arbetsflöden "förutsäga-docka-simulera-stöd", men simulering är fortfarande inte lika med mänsklig fysiologi; multi-komponent synergi och metabolism är fortfarande utmanande att modellera.

 

5. Dimension 3 - gör effektiviteten tydligare

För att internationalisera behöver örtprodukter tydligare svar:

Vilka är de större och mindre beståndsdelarna?

Vilka korrelerar med bioaktivitet?

Kan bioaktiviteten testas konsekvent?

5.1 Kromatografi–masspektrometri (LC–MS / GC–MS)

Dessa tekniker möjliggör identifiering med hög genomströmning av komplexa formelkomponenter och bygger kemiska "kartor" över produkten.

5.2 AI + plattformar för utvärdering av effektivitet

AI kan koppla kemiska profiler och bioaktivitetsändpunkter mer effektivt än manuell integration. Framtida riktningar inkluderar:

datadriven identifiering av aktiva komponentgrupper,

integration med organoider/organchips för mer mänskligt relevant screening,

LLM-genererade mekanismberättelser som förblir grundade i data.

 

6. Dimension 4 - gör klinisk prestanda mer enastående (leverans, bevis och formuleringsuppgraderingar)

Även om en formel är "bra" beror prestanda på om aktiva komponenter:

upplösa,

absorbera,

nå webbplatsen,

agera konsekvent.

Klassiska doseringsformer kan kämpa med moderna precisionskrav. Arbetet inom detta område inkluderar:

6.1 Omvärdering av klinisk nytta

Inte bara "expandera indikationer", utan identifiera:

bäst lämpade befolkningar,

bästa slutpunkterna,

verkliga bevis + blivande prövningar,

mekanismanpassade biomarkörer.

6.2 Nanoteknik och avancerad leverans

Nanokristaller, liposomer, nanopartiklar, miceller och hydrogeler kan förbättra löslighet, biotillgänglighet, stabilitet och målinriktning.

Verklighetskontroll:flerkomponentformler är svåra att nanoformulera som helhet. En mer genomförbar väg är att fokusera på viktiga aktiva komponenter och designa leveranssystem därefter.

6.3 AI-assisterad leveransdesign

AI kan minska trial-and-error i formuleringsoptimering genom att förutsäga stabilisatorinteraktioner, partikelbeteende och prestanda under lagringsförhållanden.

 

7. Dimension 5 - uppnå internationellt erkännande (standarder + bevis + säkerhetsövervakning)

Internationalisering är i huvudsak översättning: från traditionellt erfarenhetsspråk till ett modernt, granskningsbart bevissystem anpassat till ICH och vanliga regelverks förväntningar.

7.1 AI-aktiverade kvalitetsstandarder

Använd QbD-definierade CQAs, PAT-aktiverade övervaknings- och AI-stödda beslutssystem för att bygga en "kvalitetsdesign → processkontroll → vetenskaplig release".

7.2 Klinisk evidens och farmakovigilans

Internationell acceptans kräver:

väldesignade kliniska prövningar med erkända endpoints,

strukturerad rapportering av biverkningar,

livscykelriskhantering (övervakning efter marknadsintroduktion),

verkliga data för att stödja pågående nytta-riskbedömning.

AI hjälper till med datastrukturering och signaldetektering, men det är inte beviset i sig.

 

En ny TCM-ört Cistanche för BPH och sexuell prestation

 

8. Relaterade reflektioner (vad utvecklare bör lära sig)

Kvalitet skapas inte vid slutinspektionen - det är systemets resultatråvaruval + processkontroll + produktutvärdering.

8.1 Råvaror: från "erfarenhet" till "flerdimensionell data"

Växtbaserade variationer är verkliga (ursprung, sort, skördesäsong, bearbetning). Framtida urval bör bygga kvantitativa "råmaterialporträtt" med hjälp av kemiska, fysikaliska och biologiska effektdata som möjliggör gradering och adaptiv bearbetning.

8.2 Process: göra tillverkning märkbar och förutsägbar

Nyckelprocessinformation måste kännas av och modelleras i realtid och kopplas tillbaka till råvaruvariabilitet så att processer kan anpassas snarare än misslyckas.

8.3 Produktutvärdering: från godkänd/underkänd till flerdimensionell kvalitetspoäng

En modern produkt bör utvärderas med avseende på kemiska fingeravtryck, fysikaliska egenskaper, säkerhet, stabilitet och bioeffektanpassningsstödjande batchgradering och riskidentifiering.

 

9. Slutsats och framtidsutsikter (och ett direkt meddelande till den västerländska herrhälsopubliken)

Med hjälp av Xuefu Zhuyu-preparat som ett representativt exempel, organiserar denna artikel det sekundära utvecklingsteknologisystemet över fem kärndimensioner:kontrollerbar kvalitet, tydligare mekanism, tydligare effektivitet, förbättrad prestanda och internationellt erkännande.Den belyser en moderniseringsväg byggd från PAT, QbD, multidimensionella fingeravtryck, kromatografi-masspektrometri, multi-omics och AI/LLM-aktiverad intelligent kontroll - som slutligen översätter traditionell erfarenhet till moderna vetenskapliga bevis.

När vi ser framåt kommer sekundär utveckling i allt högre grad att drivas av AI, med fokus på tre genombrott:

Bygg enhetliga modeller och databaser som täckerkomponenter–omics–process–kvalitet–kliniskdata.

Fördjupa integrationen avPAT + QbD + AIoch utveckla prisvärda, utplacerbara intelligenta sensorer för fullkedjad digitalisering.

Stärka bevissystem med hjälp av verkliga data och internationellt anpassade kliniska metoder, och utforskaorganoid/organ-chip + AIeffektivitetsutvärdering.