KRUGER PACKAGING ANUNCIA IMPORTANTE PROJETO DE TRANSFORMAÇÃO QUE TORNARÁ SUA FÁBRICA TURCOT A PRIMEIRA DA AMÉRICA DO NORTE A FABRICAR KRAFT SATURANTE 100% RECICLADO
Mar 07, 2023Mina de gesso fechada no centro de Cape Breton será reaberta: USG Corp.
Mar 09, 2023Proprietário de terras bilionário do Colorado não está mais perseguindo a linha férrea do Tennessee Pass
Mar 11, 2023A Wood City da Finlândia é o futuro da construção?
Mar 13, 2023Relatório do projeto da planta de fabricação de placas de gesso 2022: custo da planta, plano de negócios, processo de fabricação, matérias-primas, tendências do setor, requisitos de maquinário 2027
Mar 15, 2023Evoluindo de verdade
Postado: 7 de setembro de 2022 | Hannah Balfour (Revisão Farmacêutica Europeia) | Nenhum comentário ainda
O EPR destaca o desenvolvimento de um modelo para prever a dissolução de formulações de liberação sustentada com base nos dados do sensor de tecnologia analítica de processo Raman (PAT) que podem permitir testes de liberação em tempo real.
Os pesquisadores desenvolveram um modelo de permeação determinístico (DPM) que prevê o perfil de liberação in vitro de um ingrediente farmacêutico ativo (API) incorporado em comprimidos de matriz de hidroxipropilmetilcelulose (HPMC). O modelo, baseado em espectros Raman, tem o potencial de processar em tempo real dados gerados por sensores de tecnologia analítica de processo (PAT), o que pode permitir que ele seja utilizado para testes de liberação em tempo real (RTRt).
Ao contrário dos sistemas de liberação imediata, a liberação de drogas de formulações de dosagem sólida de liberação sustentada (como comprimidos de matriz de HPMC) é extremamente complexa, envolvendo muitas etapas e taxas variáveis de difusão. A dissolução é crítica para a biodisponibilidade de um produto farmacêutico – um atributo crítico de qualidade – e, portanto, é monitorada de perto usando métodos e modelagem in vitro. Imagens químicas Raman têm sido usadas para elucidar a estrutura das formulações e como elas mudam durante a liberação do fármaco.
À medida que a indústria trabalha para implementar processos contínuos, aproveitando o PAT para fornecer informações em tempo real para tomada de decisões e controle de processos, o lançamento de produtos em tempo real está se tornando uma proposta cada vez mais desejável. Isso requer que o RTRt seja desenvolvido.
Dois métodos podem ser usados para prever a dissolução em produtos farmacêuticos: os primeiros métodos baseados em princípios são normalmente usados no desenvolvimento de formulações para estudar como os parâmetros da formulação se relacionam com a dissolução, enquanto abordagens empíricas baseadas em dados, como a regressão Partial Least Squares (PLS) são usadas nos últimos estágios com modelos para RTRt construídos sobre esses métodos empíricos.
De acordo com um artigo publicado no International Journal of Pharmaceutics, até agora, um método de primeiros princípios não foi usado para processar dados do sensor PAT para previsão de dissolução em tempo real. Em seu trabalho, Horkovics-Kovats et al. criou um modelo baseado em abordagem mecanicista e o usou para prever perfis de dissolução publicados com base em dados Raman PAT. Para determinar sua aplicabilidade, as previsões de dissolução do modelo mecanicista foram comparadas com as de um modelo típico de base empírica chamado rede neural artificial (ANN).
Comprimidos contendo várias quantidades de cloridrato de drotaverina API altamente solúvel e HPMC foram produzidos usando diferentes pressões de compressão de acordo com um planejamento fatorial completo de 33. Seus espectros Raman foram registrados antes do teste de dissolução, e isso foi usado para desenvolver o DPM (modelo mecanicista).
No estudo, os pesquisadores mostraram que o modelo mecanístico desenvolvido "é capaz de prever com precisão o perfil de dissolução de comprimidos de liberação prolongada fabricados com várias configurações", comparando as dissoluções previstas com os valores medidos. Assim, eles consideraram "a primeira utilização de tal modelo... para prever perfis de dissolução com base nos dados fornecidos pelos sensores PAT".
Além disso, quando as previsões de dissolução do DPM foram comparadas com as saídas de um modelo empírico típico (uma rede neural artificial [ANN]), verificou-se um desempenho semelhante, com o modelo mecanicista tendo dois benefícios notáveis: ser baseado em fenômenos físicos e precisando de metade do número de amostras para treinar o modelo.
Os autores concluíram que, uma vez que o DPM pode permitir a previsão rápida de perfis de dissolução, seu método tem potencial para ser usado para o processamento em tempo real de dados PAT e, portanto, pode ser aproveitado para RTRt.
Avançando na otimização de reação de API autônoma…
Ingrediente Farmacêutico Ativo (API), Técnicas Analíticas, Fabricação de Medicamentos, Formulação, Tecnologias Analíticas de Processo (PAT), QA/QC, Espectroscopia Raman