ヒドロキシプロピルメチルセルロースとクロスカルメロースナトリウムの相補的機能を利用した予測回帰モデルベースの胃内滞留性錠剤の開発

科学分野:

• 製薬科学
• 薬物送達システム
• 製剤開発

背景:

• 胃内滞留性（GR）薬物送達システムは、胃内での薬物滞留時間を延長し、治療効果を高めることを目的としています。
• ヒドロキシプロピルメチルセルロース（HPMC）やクロスカルメロースナトリウム（CCS）などのポリマーの比率を最適化することは、望ましいGR特性を達成するために重要です。
• 植物抽出物（BE）は、治療効果を最大化するために、しばしば制御放出を必要とします。

研究 の 目的:

• 植物抽出物（BE）のための胃内滞留性（GR）錠剤を、データ駆動型の予測モデリング戦略を使用して開発および最適化すること。
• 強化された胃内滞留と持続的な薬物放出を達成するための、ヒドロキシプロピルメチルセルロース（HPMC）とクロスカルメロースナトリウム（CCS）の最適な比率を決定すること。
• 製剤最適化のための回帰モデルの予測精度を、人工ニューラルネットワーク（ANN）および応答曲面法（RSM）と比較すること。

主な方法:

• 植物抽出物（BE）を、流動層造粒を使用してNeusilinにより顆粒に固化させました。
• GR錠剤製剤の最適化のために、4パラメータのシグモイドベース回帰モデルをMATLABで構築し、ANNおよびRSMと比較しました。
• 最適化されたGR錠剤を、薬物-賦形剤適合性、浮遊性、および薬物放出プロファイルについて特性評価しました。

主要な成果:

• 回帰モデルは、ANNおよびRSMと比較して、外挿条件下で優れた予測精度を示しました。
• 最適化されたGR錠剤製剤は、BE、HPMC、およびCCSを600：160：140（w/w/w）の比率で構成されていました。
• 最適化されたGR錠剤は、18時間以上の急速な浮上、持続的な浮遊、および長期的な薬物放出を示し、invivo研究では最大6時間の胃内滞留が確認されました。

結論:

• データ駆動型の回帰ベース予測モデリング戦略は、胃内滞留性錠剤のHPMC対CCS比を効果的に最適化しました。
• 最適化された製剤は、植物抽出物の長期的な胃内滞留と持続的な放出を達成しました。
• このアプローチは、予測可能な性能を持つGR錠剤を開発するための堅牢な方法を提供します。