본 연구는 나노 및 마이크로 규모 입자 기반의 결장 약물 전달을 위한 전임상 단계에서 발생하는 비용 문제를 해결하기 위해, 본래의 점액을 모방하는 생물 유사 인공 점액 모델을 활용하여 실험실 기반의 효율적인 약물 확산 연구를 가능케 합니다. 본 연구는 점액 내 나노 및 마이크로 규모 입자 확산 패턴을 특징짓고, 이러한 입자 이동에 점액의 미세 유변학적 특성이 미치는 영향을 평가하기 위해 미세 유변학적 특징을 확산 핑거프린팅에 통합한 머신러닝 주도의 프레임워크를 제시합니다. 우리는 본래의 돼지 점액 및 두 개의 인공 점액 모델에서 형광으로 표지된 폴리스타이렌 입자의 확산을 조사하였습니다. 카보닐화 또는 아민으로 변형된 표면을 가진 입자들(지름이 100, 200, 1000 nm) 중 수동 확산 중에 궤적을 추적하였습니다. 각 입자 궤적에서 미세 유변학적 매개변수를 포함한 20개 특징이 추출되었습니다. 이러한 특징을 기반으로 7개의 지도학습 머신러닝 모델을 적용하여 점액 하이드로겔의 유사성을 분류하거나 식별하였습니다. 그 중, 그라디언트 부스팅이 가장 높은 정확성을 보였습니다. SHapley 가산 설명 분석은 점액 모델을 구별하는 데 있어 크립 커플리언스를 가장 중요한 특징으로 확인하였습니다. 본래의 점액에서 작은 음전하를 가진 나노입자는 가장 높은 이동성을 보였으며, 부동 및 아조확산 상태의 입자는 더 적었습니다. 미세 유변학적 데이터는 또한 큰 입자가 본래의 점액의 탄성 특성으로 인해 더 큰 제약을 받는 것으로 나타났습니다. 반면, 작은 입자는 점액의 점성 액체 상과 더 많이 상호작용했습니다. 포괄적인 특성 전반 분석 결과, 하이드록시에틸 셀룰로오스(HEC) 기반의 인공 점액이 폴리아크릴산 기반 모델보다 본래의 돼지 점액과 더 유사하다는 결론이 나왔습니다. 결론적으로, 미세 유변학적 특징을 통합한 머신러닝 기반 핑거프린팅 접근법은 세 점액 모델의 미세구조 특성과 유변학적 속성을 성공적으로 구별했습니다. 또한 HEC 기반의 인공 점액을 본래의 결장 점액의 실질적 대체자로 선택하는 데 도움이 되었습니다.