A Practical Framework Toward Prediction of Breaking Force and Disintegration of Tablet Formulations Using Machine Learning Tools

به کارگیری پارامتر کیفیت با طراحی نیاز به توانایی کمیابیت خواص مواد و متغیرهای پردازش را به ویژگی های عملکرد قابل اندازه گیری محصول می دهد. روش های متداول و با کیفیت برای تعیین زمان شکستن قرص و زمان تجزیه معمولا شامل آزمایش های مخرب است که مقدار قابل توجهی از زمان و کار را مصرف می کنند و اطلاعات محدودی را ارائه می دهند. پیشرفت های اخیر در خصوص ویژگی های مواد، تجزیه و تحلیل آماری و یادگیری ماشین ها، ابزارهای متعددی را ارائه داده اند که بالقوه برای ایجاد رویکردهای غیرمخرب، سریع و دقیق در توسعه محصولات دارویی است. در این کار، یک روش برای پیش بینی زمان شکست و زمان تجزیه فرمولهای قرص با استفاده از ابزارهای یادگیری ناسازگار و ناسازگار طراحی شده است. متغیرهای ورودی به مدل عبارتند از خواص ذاتی فرمولاسیون و متغیرهای فرایند خارجی که بر تبلت تاثیر می گذارند در طول ساخت. این مدل برای پیش بینی زمان شکستن و زمان تجزیه با استفاده از مقادیر کوچک مواد تشکیل دهنده دارویی فعال و فرمولبندی نمونه های اولیه مورد استفاده قرار گرفته است. رویکرد جدید ارائه شده، یک گام به سوی طراحی منطقی یک محصول دارویی قوی بر اساس بینش به عملکرد مواد مشترک در طول فرمولاسیون و توسعه فرایند است. همچنین ممکن است به منظور تسریع در زمان بندی جدول زمانی توسعه دارو و کاهش مصرف داروهای فعال دارویی در حین بهبود کارایی پروسه کلی کمک کند.