Evolución real

Jan 13, 2024

Publicado: 7 septiembre 2022 | Hannah Balfour (Revista farmacéutica europea) | Sin comentarios aún

EPR destaca el desarrollo de un modelo para predecir la disolución de formulaciones de liberación sostenida basado en datos de sensores de tecnología analítica de proceso Raman (PAT) que podrían permitir pruebas de liberación en tiempo real.

Los investigadores han desarrollado un modelo de permeación determinista (DPM) que predice el perfil de liberación in vitro de un ingrediente farmacéutico activo (API) incrustado en tabletas de matriz de hidroxipropilmetilcelulosa (HPMC). El modelo, basado en espectros Raman, tiene el potencial de procesar datos en tiempo real generados por sensores de tecnología analítica de procesos (PAT), lo que podría permitir que se utilice para pruebas de liberación en tiempo real (RTRt).

A diferencia de los sistemas de liberación inmediata, la liberación de fármacos a partir de formulaciones de dosificación sólida de liberación sostenida (como las tabletas de matriz de HPMC) es extremadamente compleja, involucra muchos pasos y tasas de difusión cambiantes. La disolución es fundamental para la biodisponibilidad de un producto farmacéutico, un atributo de calidad fundamental, por lo que se controla de cerca mediante modelos y métodos in vitro. La imagen química Raman se ha utilizado para dilucidar la estructura de las formulaciones y cómo cambian durante la liberación del fármaco.

A medida que la industria trabaja para implementar procesos continuos, aprovechando PAT para proporcionar información en tiempo real para la toma de decisiones y el control de procesos, el lanzamiento de productos en tiempo real se está convirtiendo en una propuesta cada vez más deseable. Esto requiere que se desarrolle RTRt.

Se pueden usar dos métodos para predecir la disolución en productos farmacéuticos: los métodos basados ​​en primeros principios se usan típicamente en el desarrollo de formulaciones para estudiar cómo los parámetros de formulación se relacionan con la disolución, mientras que los enfoques empíricos basados ​​en datos como la regresión de mínimos cuadrados parciales (PLS) se usan en el desarrollo posterior. etapas con modelos para RTRt construidos sobre estos métodos empíricos.

Según un artículo publicado en el International Journal of Pharmaceutics, hasta el momento, no se ha utilizado un método de primeros principios para procesar los datos del sensor PAT para la predicción de la disolución en tiempo real. En su trabajo, Horkovics-Kovats et al. creó un modelo basado en un enfoque mecanicista y lo utilizó para predecir los perfiles de disolución publicados en función de los datos Raman PAT. Para determinar su aplicabilidad, las predicciones de disolución del modelo mecanicista se compararon con las de un modelo empírico típico llamado red neuronal artificial (ANN).

Se produjeron tabletas que contenían varias cantidades de clorhidrato de drotaverina API altamente soluble y HPMC usando diferentes presiones de compresión de acuerdo con un diseño factorial completo 33. Sus espectros Raman se registraron antes de la prueba de disolución, y esto se utilizó para desarrollar el DPM (modelo mecanicista).

En el estudio, los investigadores demostraron que el modelo mecánico desarrollado "es capaz de predecir con precisión el perfil de disolución de las tabletas de liberación prolongada fabricadas con varias configuraciones" al comparar las disoluciones previstas con los valores medidos. Por lo tanto, lo consideraron "la primera utilización de un modelo de este tipo... para predecir perfiles de disolución basados ​​en datos proporcionados por sensores PAT".

Además, cuando se compararon las predicciones de disolución del DPM con los resultados de un modelo empírico típico (una red neuronal artificial [ANN]), se encontró que funcionaban de manera similar, con el modelo mecanicista teniendo dos beneficios notables: estar basado en fenómenos físicos y necesitando la mitad del número de muestras para entrenar el modelo.

Los autores concluyeron que, dado que el DPM podría permitir la predicción rápida de los perfiles de disolución, su método tiene el potencial de usarse para el procesamiento en tiempo real de datos PAT y, por lo tanto, podría aprovecharse para RTRt.

Avanzando en la optimización de la reacción API autónoma...

Ingrediente farmacéutico activo (API), Técnicas analíticas, Fabricación de fármacos, Formulación, Tecnologías analíticas de procesos (PAT), QA/QC, Espectroscopia Raman