Réel évolutif

Jan 13, 2024

Publié : 7 septembre 2022 | Hannah Balfour (Revue pharmaceutique européenne) | aucun commentaire pour l'instant

L'EPR met en évidence le développement d'un modèle pour prédire la dissolution des formulations à libération prolongée sur la base des données des capteurs de la technologie d'analyse du processus Raman (PAT) qui pourraient permettre des tests de libération en temps réel.

Les chercheurs ont développé un modèle de perméation déterministe (DPM) qui prédit le profil de libération in vitro d'un ingrédient pharmaceutique actif (API) incorporé dans des comprimés à matrice d'hydroxypropyl-méthylcellulose (HPMC). Le modèle, basé sur les spectres Raman, a le potentiel de traiter en temps réel les données fournies par les capteurs de la technologie d'analyse des processus (PAT), ce qui pourrait permettre de l'utiliser pour les tests de libération en temps réel (RTRt).

Contrairement aux systèmes à libération immédiate, la libération de médicaments à partir de formulations posologiques solides à libération prolongée (telles que les comprimés à matrice HPMC) est extrêmement complexe, impliquant de nombreuses étapes et des taux de diffusion changeants. La dissolution est essentielle à la biodisponibilité d'un produit pharmaceutique - un attribut de qualité critique - et est donc étroitement surveillée à l'aide de méthodes et de modélisations in vitro. L'imagerie chimique Raman a été utilisée pour élucider la structure des formulations et comment celles-ci changent pendant la libération du médicament.

Alors que l'industrie s'efforce de mettre en œuvre des processus continus, en tirant parti du PAT pour fournir des informations en temps réel pour la prise de décision et le contrôle des processus, la publication de produits en temps réel devient une proposition de plus en plus souhaitable. Cela nécessite le développement de RTRt.

Deux méthodes peuvent être utilisées pour prédire la dissolution dans les produits pharmaceutiques : les premières méthodes basées sur des principes sont généralement utilisées dans le développement de la formulation pour étudier la relation entre les paramètres de la formulation et la dissolution, tandis que les approches empiriques basées sur les données telles que la régression des moindres carrés partiels (PLS) sont utilisées dans la dernière. étapes avec des modèles de RTRt construits sur ces méthodes empiriques.

Selon un article publié dans l'International Journal of Pharmaceutics, jusqu'à présent, une méthode de premiers principes n'a pas été utilisée pour traiter les données du capteur PAT pour la prédiction de dissolution en temps réel. Dans leurs travaux, Horkovics-Kovats et al. a créé un modèle basé sur une approche mécaniste et l'a utilisé pour prédire les profils de dissolution publiés basés sur les données Raman PAT. Pour déterminer son applicabilité, les prédictions de dissolution du modèle mécaniste ont été comparées à celles d'un modèle empirique typique appelé réseau de neurones artificiels (ANN).

Des comprimés contenant diverses quantités de chlorhydrate de drotavérine API hautement soluble et de HPMC ont été produits en utilisant différentes pressions de compression selon un plan factoriel complet à 33. Leurs spectres Raman ont été enregistrés avant les tests de dissolution, et cela a été utilisé pour développer le DPM (modèle mécaniste).

Dans l'étude, les chercheurs ont montré que le modèle mécaniste développé "est capable de prédire avec précision le profil de dissolution des comprimés à libération prolongée fabriqués avec divers paramètres" en comparant les dissolutions prédites avec les valeurs mesurées. Ainsi, ils l'ont considéré comme "la première utilisation d'un tel modèle… pour prédire les profils de dissolution sur la base des données fournies par les capteurs PAT".

De plus, lorsque les prédictions de dissolution du DPM ont été comparées aux sorties d'un modèle empirique typique (un réseau de neurones artificiels [ANN]), elles se sont avérées fonctionner de manière similaire, le modèle mécaniste ayant deux avantages notables : être basé sur des phénomènes physiques et nécessitant la moitié du nombre d'échantillons pour former le modèle.

Les auteurs ont conclu que, puisque le DPM pourrait permettre la prédiction rapide des profils de dissolution, leur méthode a le potentiel d'être utilisée pour le traitement en temps réel des données PAT et pourrait donc être exploitée pour RTRt.

Faire progresser l'optimisation de la réaction API autonome…

Ingrédient pharmaceutique actif (API), Techniques analytiques, Fabrication de médicaments, Formulation, Technologies d'analyse des procédés (PAT), AQ/CQ, Spectroscopie Raman