進化するリアル

Jan 13, 2024

投稿日: 2022 年 9 月 7 日 | Hannah Balfour (欧州医薬品レビュー) | コメントはまだありません

EPR は、リアルタイム放出試験を可能にするラマンプロセス分析技術 (PAT) センサーデータに基づいて徐放性製剤の溶解を予測するモデルの開発に焦点を当てています。

研究者は、ヒドロキシプロピルメチルセルロース (HPMC) マトリックス錠剤に埋め込まれた医薬品有効成分 (API) の in vitro 放出プロファイルを予測する決定的透過モデル (DPM) を開発しました。 このモデルはラマンスペクトルに基づいており、プロセス分析技術 (PAT) センサーによって生成されたデータをリアルタイムで処理できる可能性があり、これによりリアルタイム放出試験 (RTRt) に利用できる可能性があります。

即時放出システムとは異なり、徐放性固体製剤 (HPMC マトリックス錠剤など) からの薬物の放出は非常に複雑であり、多くのステップが含まれ、拡散速度が変化します。 溶解は医薬品のバイオアベイラビリティー（重要な品質特性）にとって極めて重要であるため、in vitro 法とモデリングを使用して綿密に監視されます。 ラマン化学イメージングは​​、製剤の構造と、薬物放出中に製剤がどのように変化するかを解明するために使用されています。

業界が継続的なプロセスの実装に取り​​組んでおり、PAT を活用して意思決定とプロセス制御のためのリアルタイム情報を提供することで、リアルタイムの製品リリースがますます望ましい提案になっています。 これには RTRt の開発が必要です。

医薬品の溶解を予測するには 2 つの方法を使用できます。第一原理ベースの方法は通常、製剤開発で製剤パラメーターが溶解にどのように関連するかを研究するために使用されますが、部分最小二乗法 (PLS) 回帰などのデータ駆動型の経験的アプローチは後者で使用されます。これらの経験的手法に基づいて構築された RTRt のモデルを備えたステージ。

International Journal of Pharmaceutics に掲載された論文によると、これまでのところ、リアルタイムの溶解予測のために PAT センサー データを処理するために第一原理法は使用されていません。 Horkovics-Kovats らの研究では、 は、機械論的アプローチに基づくモデルを作成し、それを使用して、ラマン PAT データに基づいて公開されている溶解プロファイルを予測しました。 その適用性を判断するために、機構モデルからの溶解予測が、人工ニューラル ネットワーク (ANN) と呼ばれる典型的な経験に基づくモデルの溶解予測と比較されました。

溶解性の高い API である塩酸ドロタベリンと HPMC をさまざまな量で含む錠剤を、33 の完全実施要因計画に従ってさまざまな圧縮圧力を使用して製造しました。 ラマンスペクトルは溶解試験前に記録され、これは DPM (機構モデル) の開発に使用されました。

研究者らはこの研究で、予測された溶解を測定値と比較することで、開発した機構モデルが「さまざまな設定で製造された徐放性錠剤の溶解プロファイルを正確に予測できる」ことを示した。 したがって、彼らは、これが「PATセンサーによって提供されたデータに基づいて溶解プロファイルを予測するこのようなモデルの最初の利用」であると考えました。

さらに、DPM の溶解予測を典型的な経験的モデル (人工ニューラル ネットワーク [ANN]) の出力と比較したところ、それらは同様に機能することが判明し、機構モデルには 2 つの注目すべき利点があります。 物理現象に基づいていることモデルのトレーニングに必要なサンプル数は半分になります。

著者らは、DPM は溶解プロファイルの迅速な予測を可能にするため、彼らの方法は PAT データのリアルタイム処理に使用できる可能性があり、したがって RTRt に活用できる可能性があると結論付けました。

自律的な API 反応の最適化を推進…

医薬品有効成分 (API)、分析技術、医薬品製造、製剤、プロセス分析技術 (PAT)、QA/QC、ラマン分光法