使用卷积神经网络喷雾干燥无形固体分散的基于高速成像的粒子属性分析.
Hang Hu1, Sampada Koranne1, Colton M Bower1
1Analytical Research and Development, Merck & Co., Inc., Rahway, New Jersey 07065, United States.
Molecular pharmaceutics
|December 2, 2024
概括
使用卷积神经网络 (CNN) 的新高通量成像方法量化了喷雾干燥无形固体分散 (ASD) 中的粒子大小和形态. 这种方法为优化药物产品性能和工艺开发提供了"形态指纹".
科学领域:
- 制药技术 制药技术 制药技术
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 喷雾干燥对于无形固体分散 (ASD) 来提高药物的生物可用性至关重要.
- 在喷雾干燥中间体 (SDIs) 中,描述颗粒属性,如尺寸和形态,对于药物产品的性能至关重要.
- 现有的显微镜方法缺乏用于SDI分析所需的高通量.
研究的目的:
- 开发一种快速,高吞吐量的方法,用于描述喷雾干燥ASD中的颗粒大小和形态分布.
- 用先进的成像和机器学习为SDIs创建一个"形态指纹".
- 为了证明该方法在指导喷雾干燥工艺开发中的实用性.
主要方法:
- 使用高速动态成像与激光衍射 (LD) 结合.
- 开发了用于图像分析的无监督和监督卷积神经网络 (CNN) 模型.
- 将该方法应用于含有高烯酸乙酸糖的SDIs,不同的喷雾干燥参数.
主要成果:
- 证明SDI批量是各种粒子子群的混合物.
- 美国有线电视新闻网模型快速计算了体积构成,生成了形态指纹.
- 结果与LD和电子显微镜数据的相关性很好,显示了强度.
结论:
- 开发的基于高速成像的指纹采集方法是强大的,具有高通量.
- 这种方法可以准确量化SDIs中的粒子大小和形态分布.
- 该技术可以指导喷雾干燥工艺的开发,以优化药物产品的性能.


