{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3234149"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3234149","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Artificial intelligence in the development and study of nanotechnology formulations","abstract":"Τα τελευταία χρόνια, η τεχνητή νοημοσύνη και οι κλάδοι της όπως η μηχανική μάθηση, η βαθιά μάθηση και τα τεχνητά νευρωνικά δίκτυα έχουν συγκεντρώσει το ενδιαφέρον της επιστημονικής κοινότητας. Πολλές επιστημονικές ομάδες παγκοσμίως ερευνούν και αναπτύσσουν τρόπους για την εφαρμογή αυτής της έξυπνης και σημαντικής τεχνολογίας σε πολλούς τομείς της ανθρώπινης ζωής. Από την ιατρική και τα φαρμακευτικά προϊόντα μέχρι την αναγνώριση φωνής και την ανάλυση κοινωνικής συμπεριφοράς. Η παρούσα μελέτη εστιάζει στην εφαρμογή εργαλείων τεχνητής νοημοσύνης στον τομέα των φαρμακευτικών νανοφαρμάκων. Η μορφοποίηση νανοφαρμάκων ασχολείται με το σχεδιασμό και την παρασκευή νανοφαρμάκων, ένα σχετικά νέο πεδίο έρευνας στις ιατρικές και φαρμακευτικές επιστήμες. Οι δομές σε νανο-κλίμακα που διερευνώνται σκοπεύουν να αποτρέψουν, να διαγνώσουν και να θεραπεύσουν παθολογίες για τις οποίες τα υπάρχοντα φάρμακα αποδεικνύουν χαμηλή βιοδιαθεσιμότητα, σοβαρές ανεπιθύμητες ενέργειες ή ανεπαρκή στόχευση. Αυτές οι παθολογίες περιλαμβάνουν είτε χρόνιες είτε οξείες ασθένειες όπως διαφορετικούς τύπους καρκίνου, καρδιαγγειακά προβλήματα (υψηλή αρτηριακή πίεση, αρρυθμίες, κολπική μαρμαρυγή) και νευροεκφυλιστικές ασθένειες. Επιπλέον, η μορφοποίηση νανοφαρμάκω μπορεί να εφαρμοστεί στην ανάπτυξη καινοτόμων εμβολίων. Το πιο πρόσφατο παράδειγμα είναι τα εμβόλια mRNA κατά του SARS-CoV-2. Μέχρι σήμερα μερικά νανοφάρμακα και νανοδιαγνωστικά σκευάσματα έχουν εγκριθεί από τις φαρμακευτικές ρυθμιστικές υπηρεσίες και οργανισμούς (FDA/EMA/MHRA) και κυκλοφορούν στην αγορά. Ωστόσο, τα επόμενα χρόνια θα εγκριθούν πολλά περισσότερα αφού στις μέρες μας βρίσκονται υπό κλινικές δοκιμές. Πολλές ερευνητικές ομάδες και φαρμακευτικές/βιοτεχνολογικές βιομηχανίες έχουν εντείνει τις προσπάθειές τους για την ανάπτυξη θεραπειών για τον καρκίνο, παραγόντων αντίθεσης απεικόνισης και συσκευών ανίχνευσης βιολογικών δεικτών, καθώς θεωρούνται ισχυρά εργαλεία στην ιατρική φαρέτρα. Ωστόσο, υπάρχουν πολλά εμπόδια στην ανάπτυξη αυτών των προϊόντων και συνήθως το κόστος διάθεσης τους στην αγορά είναι απαγορευτικό. Οι κύριοι λόγοι είναι το κόστος των υλικών και οι πολύπλοκες διαδικασίες σύνθεσης, παραγωγής και αποθήκευσης. Τεχνολογικά εργαλεία όπως η τεχνητή νοημοσύνη θα μπορούσαν να ξεπεράσουν αυτά τα εμπόδια αναλύοντας και προβλέποντας τις βέλτιστες συνθήκες για την προετοιμασία και την κλιμάκωσή τους. Σε αυτή τη μελέτη, γίνεται μία ανασκόπηση σχετικά με νανο-μορφοποιήσεις που βασίζονται σε AI. Επιπλέον, θεωρήθηκε ωφέλιμο να αναφέρουμε μερικές από τις μελλοντικές προοπτικές σχετικά με τους τρόπους με τους οποίους μπορούμε να εφαρμόσουμε εργαλεία τεχνητής νοημοσύνης.","abstract_html":"Τα τελευταία χρόνια, η τεχνητή νοημοσύνη και οι κλάδοι της όπως η μηχανική μάθηση, η βαθιά μάθηση και τα τεχνητά νευρωνικά δίκτυα έχουν συγκεντρώσει το ενδιαφέρον της επιστημονικής κοινότητας. Πολλές επιστημονικές ομάδες παγκοσμίως ερευνούν και αναπτύσσουν τρόπους για την εφαρμογή αυτής της έξυπνης και σημαντικής τεχνολογίας σε πολλούς τομείς της ανθρώπινης ζωής. Από την ιατρική και τα φαρμακευτικά προϊόντα μέχρι την αναγνώριση φωνής και την ανάλυση κοινωνικής συμπεριφοράς. Η παρούσα μελέτη εστιάζει στην εφαρμογή εργαλείων τεχνητής νοημοσύνης στον τομέα των φαρμακευτικών νανοφαρμάκων. Η μορφοποίηση νανοφαρμάκων ασχολείται με το σχεδιασμό και την παρασκευή νανοφαρμάκων, ένα σχετικά νέο πεδίο έρευνας στις ιατρικές και φαρμακευτικές επιστήμες. Οι δομές σε νανο-κλίμακα που διερευνώνται σκοπεύουν να αποτρέψουν, να διαγνώσουν και να θεραπεύσουν παθολογίες για τις οποίες τα υπάρχοντα φάρμακα αποδεικνύουν χαμηλή βιοδιαθεσιμότητα, σοβαρές ανεπιθύμητες ενέργειες ή ανεπαρκή στόχευση. Αυτές οι παθολογίες περιλαμβάνουν είτε χρόνιες είτε οξείες ασθένειες όπως διαφορετικούς τύπους καρκίνου, καρδιαγγειακά προβλήματα (υψηλή αρτηριακή πίεση, αρρυθμίες, κολπική μαρμαρυγή) και νευροεκφυλιστικές ασθένειες. Επιπλέον, η μορφοποίηση νανοφαρμάκω μπορεί να εφαρμοστεί στην ανάπτυξη καινοτόμων εμβολίων. Το πιο πρόσφατο παράδειγμα είναι τα εμβόλια mRNA κατά του SARS-CoV-2. Μέχρι σήμερα μερικά νανοφάρμακα και νανοδιαγνωστικά σκευάσματα έχουν εγκριθεί από τις φαρμακευτικές ρυθμιστικές υπηρεσίες και οργανισμούς (FDA/EMA/MHRA) και κυκλοφορούν στην αγορά. Ωστόσο, τα επόμενα χρόνια θα εγκριθούν πολλά περισσότερα αφού στις μέρες μας βρίσκονται υπό κλινικές δοκιμές. Πολλές ερευνητικές ομάδες και φαρμακευτικές/βιοτεχνολογικές βιομηχανίες έχουν εντείνει τις προσπάθειές τους για την ανάπτυξη θεραπειών για τον καρκίνο, παραγόντων αντίθεσης απεικόνισης και συσκευών ανίχνευσης βιολογικών δεικτών, καθώς θεωρούνται ισχυρά εργαλεία στην ιατρική φαρέτρα. Ωστόσο, υπάρχουν πολλά εμπόδια στην ανάπτυξη αυτών των προϊόντων και συνήθως το κόστος διάθεσης τους στην αγορά είναι απαγορευτικό. Οι κύριοι λόγοι είναι το κόστος των υλικών και οι πολύπλοκες διαδικασίες σύνθεσης, παραγωγής και αποθήκευσης. Τεχνολογικά εργαλεία όπως η τεχνητή νοημοσύνη θα μπορούσαν να ξεπεράσουν αυτά τα εμπόδια αναλύοντας και προβλέποντας τις βέλτιστες συνθήκες για την προετοιμασία και την κλιμάκωσή τους. Σε αυτή τη μελέτη, γίνεται μία ανασκόπηση σχετικά με νανο-μορφοποιήσεις που βασίζονται σε AI. Επιπλέον, θεωρήθηκε ωφέλιμο να αναφέρουμε μερικές από τις μελλοντικές προοπτικές σχετικά με τους τρόπους με τους οποίους μπορούμε να εφαρμόσουμε εργαλεία τεχνητής νοημοσύνης.","abstract_has_math":false,"creators":["Πεταλάς Δημήτριος","Petalas Dimitrios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T06:19:22Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3234149"],"render_values":[{"text":"uoadl:3234149","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3234149","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3234149","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3234149","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πεταλάς Δημήτριος","Petalas Dimitrios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3234149","https://pergamos.lib.uoa.gr/uoa/dl/object/3234149"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα τελευταία χρόνια, η τεχνητή νοημοσύνη και οι κλάδοι της όπως η μηχανική μάθηση, η βαθιά μάθηση και τα τεχνητά νευρωνικά δίκτυα έχουν συγκεντρώσει το ενδιαφέρον της επιστημονικής κοινότητας. Πολλές επιστημονικές ομάδες παγκοσμίως ερευνούν και αναπτύσσουν τρόπους για την εφαρμογή αυτής της έξυπνης και σημαντικής τεχνολογίας σε πολλούς τομείς της ανθρώπινης ζωής. Από την ιατρική και τα φαρμακευτικά προϊόντα μέχρι την αναγνώριση φωνής και την ανάλυση κοινωνικής συμπεριφοράς. Η παρούσα μελέτη εστιάζει στην εφαρμογή εργαλείων τεχνητής νοημοσύνης στον τομέα των φαρμακευτικών νανοφαρμάκων. Η μορφοποίηση νανοφαρμάκων ασχολείται με το σχεδιασμό και την παρασκευή νανοφαρμάκων, ένα σχετικά νέο πεδίο έρευνας στις ιατρικές και φαρμακευτικές επιστήμες. Οι δομές σε νανο-κλίμακα που διερευνώνται σκοπεύουν να αποτρέψουν, να διαγνώσουν και να θεραπεύσουν παθολογίες για τις οποίες τα υπάρχοντα φάρμακα αποδεικνύουν χαμηλή βιοδιαθεσιμότητα, σοβαρές ανεπιθύμητες ενέργειες ή ανεπαρκή στόχευση. Αυτές οι παθολογίες περιλαμβάνουν είτε χρόνιες είτε οξείες ασθένειες όπως διαφορετικούς τύπους καρκίνου, καρδιαγγειακά προβλήματα (υψηλή αρτηριακή πίεση, αρρυθμίες, κολπική μαρμαρυγή) και νευροεκφυλιστικές ασθένειες. Επιπλέον, η μορφοποίηση νανοφαρμάκω μπορεί να εφαρμοστεί στην ανάπτυξη καινοτόμων εμβολίων. Το πιο πρόσφατο παράδειγμα είναι τα εμβόλια mRNA κατά του SARS-CoV-2. Μέχρι σήμερα μερικά νανοφάρμακα και νανοδιαγνωστικά σκευάσματα έχουν εγκριθεί από τις φαρμακευτικές ρυθμιστικές υπηρεσίες και οργανισμούς (FDA/EMA/MHRA) και κυκλοφορούν στην αγορά. Ωστόσο, τα επόμενα χρόνια θα εγκριθούν πολλά περισσότερα αφού στις μέρες μας βρίσκονται υπό κλινικές δοκιμές. Πολλές ερευνητικές ομάδες και φαρμακευτικές/βιοτεχνολογικές βιομηχανίες έχουν εντείνει τις προσπάθειές τους για την ανάπτυξη θεραπειών για τον καρκίνο, παραγόντων αντίθεσης απεικόνισης και συσκευών ανίχνευσης βιολογικών δεικτών, καθώς θεωρούνται ισχυρά εργαλεία στην ιατρική φαρέτρα. Ωστόσο, υπάρχουν πολλά εμπόδια στην ανάπτυξη αυτών των προϊόντων και συνήθως το κόστος διάθεσης τους στην αγορά είναι απαγορευτικό. Οι κύριοι λόγοι είναι το κόστος των υλικών και οι πολύπλοκες διαδικασίες σύνθεσης, παραγωγής και αποθήκευσης. Τεχνολογικά εργαλεία όπως η τεχνητή νοημοσύνη θα μπορούσαν να ξεπεράσουν αυτά τα εμπόδια αναλύοντας και προβλέποντας τις βέλτιστες συνθήκες για την προετοιμασία και την κλιμάκωσή τους. Σε αυτή τη μελέτη, γίνεται μία ανασκόπηση σχετικά με νανο-μορφοποιήσεις που βασίζονται σε AI. Επιπλέον, θεωρήθηκε ωφέλιμο να αναφέρουμε μερικές από τις μελλοντικές προοπτικές σχετικά με τους τρόπους με τους οποίους μπορούμε να εφαρμόσουμε εργαλεία τεχνητής νοημοσύνης.","In recent years, AI and its branches such as machine learning, deep learning and artificial neural networks have gathered the interest of the scientific community. Multiple scientific groups worldwide investigate and develop ways for the implementation of this smart and significant technology in many sectors of the human lives. From medicine and pharmaceuticals to voice recognition and social behavior analysis. This study focuses on the application of artificial intelligence tools in the field of pharmaceutical nano-formulations. Nano-formulation deals with the design and manufacturing of nanomedicines a relatively new field of research in medical and pharmaceutical sciences. The nano-scaled structures that are investigated intend to prevent, diagnose, and treat pathologies for which the existing medicines prove low bioavailability, severe adverse effects, or insufficient targeting. These pathologies include either chronic or acute diseases such as different types of cancers, cardiovascular problems (high blood pressure, arrythmias, atrial fibrillation) and neurodegenerative diseases. Furthermore, nano-formulation can be applied in the vaccine’s development. The most recent example is the mRNA-vaccines against the SARS-CoV-2. Until today a few nanomedicines and nano-diagnostics have been approved by the pharmaceutical regulatory agencies and organizations (FDA/EMA/MHRA) and are on the market. However, in the following years many more will be approved since nowadays are under clinical trials. Many research groups and pharmaceutical/ biotechnological industries have intensified their efforts for the development of cancer treatments, imaging contrast agents, and biomarker detection devices since they are considered to be powerful tools in the medical quiver. Nevertheless, there are many impediments in the development of that products and usually the cost of bringing them to the market is prohibitive. The main reasons are the cost of material and the complex formulation, production and storage processes. Technological tools such as AI could overcome these impediments by analyzing and predicting the optimal conditions for their preparation and scale up. In this study, some of the published works on AI-driven nano-formulations are mentioned. Moreover, it was considered beneficial to mention some of the future perspectives regarding the ways we can apply AI tools."]},{"key":"dc:title","label":"Title","values":["Artificial intelligence in the development and study of nanotechnology formulations"]}]}],"canonical_facts":{"dc:creator":["Πεταλάς Δημήτριος","Petalas Dimitrios"],"dc:date":["2022"],"dc:description":["Τα τελευταία χρόνια, η τεχνητή νοημοσύνη και οι κλάδοι της όπως η μηχανική μάθηση, η βαθιά μάθηση και τα τεχνητά νευρωνικά δίκτυα έχουν συγκεντρώσει το ενδιαφέρον της επιστημονικής κοινότητας. Πολλές επιστημονικές ομάδες παγκοσμίως ερευνούν και αναπτύσσουν τρόπους για την εφαρμογή αυτής της έξυπνης και σημαντικής τεχνολογίας σε πολλούς τομείς της ανθρώπινης ζωής. Από την ιατρική και τα φαρμακευτικά προϊόντα μέχρι την αναγνώριση φωνής και την ανάλυση κοινωνικής συμπεριφοράς. Η παρούσα μελέτη εστιάζει στην εφαρμογή εργαλείων τεχνητής νοημοσύνης στον τομέα των φαρμακευτικών νανοφαρμάκων. Η μορφοποίηση νανοφαρμάκων ασχολείται με το σχεδιασμό και την παρασκευή νανοφαρμάκων, ένα σχετικά νέο πεδίο έρευνας στις ιατρικές και φαρμακευτικές επιστήμες. Οι δομές σε νανο-κλίμακα που διερευνώνται σκοπεύουν να αποτρέψουν, να διαγνώσουν και να θεραπεύσουν παθολογίες για τις οποίες τα υπάρχοντα φάρμακα αποδεικνύουν χαμηλή βιοδιαθεσιμότητα, σοβαρές ανεπιθύμητες ενέργειες ή ανεπαρκή στόχευση. Αυτές οι παθολογίες περιλαμβάνουν είτε χρόνιες είτε οξείες ασθένειες όπως διαφορετικούς τύπους καρκίνου, καρδιαγγειακά προβλήματα (υψηλή αρτηριακή πίεση, αρρυθμίες, κολπική μαρμαρυγή) και νευροεκφυλιστικές ασθένειες. Επιπλέον, η μορφοποίηση νανοφαρμάκω μπορεί να εφαρμοστεί στην ανάπτυξη καινοτόμων εμβολίων. Το πιο πρόσφατο παράδειγμα είναι τα εμβόλια mRNA κατά του SARS-CoV-2. Μέχρι σήμερα μερικά νανοφάρμακα και νανοδιαγνωστικά σκευάσματα έχουν εγκριθεί από τις φαρμακευτικές ρυθμιστικές υπηρεσίες και οργανισμούς (FDA/EMA/MHRA) και κυκλοφορούν στην αγορά. Ωστόσο, τα επόμενα χρόνια θα εγκριθούν πολλά περισσότερα αφού στις μέρες μας βρίσκονται υπό κλινικές δοκιμές. Πολλές ερευνητικές ομάδες και φαρμακευτικές/βιοτεχνολογικές βιομηχανίες έχουν εντείνει τις προσπάθειές τους για την ανάπτυξη θεραπειών για τον καρκίνο, παραγόντων αντίθεσης απεικόνισης και συσκευών ανίχνευσης βιολογικών δεικτών, καθώς θεωρούνται ισχυρά εργαλεία στην ιατρική φαρέτρα. Ωστόσο, υπάρχουν πολλά εμπόδια στην ανάπτυξη αυτών των προϊόντων και συνήθως το κόστος διάθεσης τους στην αγορά είναι απαγορευτικό. Οι κύριοι λόγοι είναι το κόστος των υλικών και οι πολύπλοκες διαδικασίες σύνθεσης, παραγωγής και αποθήκευσης. Τεχνολογικά εργαλεία όπως η τεχνητή νοημοσύνη θα μπορούσαν να ξεπεράσουν αυτά τα εμπόδια αναλύοντας και προβλέποντας τις βέλτιστες συνθήκες για την προετοιμασία και την κλιμάκωσή τους. Σε αυτή τη μελέτη, γίνεται μία ανασκόπηση σχετικά με νανο-μορφοποιήσεις που βασίζονται σε AI. Επιπλέον, θεωρήθηκε ωφέλιμο να αναφέρουμε μερικές από τις μελλοντικές προοπτικές σχετικά με τους τρόπους με τους οποίους μπορούμε να εφαρμόσουμε εργαλεία τεχνητής νοημοσύνης.","In recent years, AI and its branches such as machine learning, deep learning and artificial neural networks have gathered the interest of the scientific community. Multiple scientific groups worldwide investigate and develop ways for the implementation of this smart and significant technology in many sectors of the human lives. From medicine and pharmaceuticals to voice recognition and social behavior analysis. This study focuses on the application of artificial intelligence tools in the field of pharmaceutical nano-formulations. Nano-formulation deals with the design and manufacturing of nanomedicines a relatively new field of research in medical and pharmaceutical sciences. The nano-scaled structures that are investigated intend to prevent, diagnose, and treat pathologies for which the existing medicines prove low bioavailability, severe adverse effects, or insufficient targeting. These pathologies include either chronic or acute diseases such as different types of cancers, cardiovascular problems (high blood pressure, arrythmias, atrial fibrillation) and neurodegenerative diseases. Furthermore, nano-formulation can be applied in the vaccine’s development. The most recent example is the mRNA-vaccines against the SARS-CoV-2. Until today a few nanomedicines and nano-diagnostics have been approved by the pharmaceutical regulatory agencies and organizations (FDA/EMA/MHRA) and are on the market. However, in the following years many more will be approved since nowadays are under clinical trials. Many research groups and pharmaceutical/ biotechnological industries have intensified their efforts for the development of cancer treatments, imaging contrast agents, and biomarker detection devices since they are considered to be powerful tools in the medical quiver. Nevertheless, there are many impediments in the development of that products and usually the cost of bringing them to the market is prohibitive. The main reasons are the cost of material and the complex formulation, production and storage processes. Technological tools such as AI could overcome these impediments by analyzing and predicting the optimal conditions for their preparation and scale up. In this study, some of the published works on AI-driven nano-formulations are mentioned. Moreover, it was considered beneficial to mention some of the future perspectives regarding the ways we can apply AI tools."],"dc:identifier":["uoadl:3234149","https://pergamos.lib.uoa.gr/uoa/dl/object/3234149"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Artificial intelligence in the development and study of nanotechnology formulations"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:19:22Z"}