通过人工智能推进直接平板电脑压缩:用于质量控制,批量接受和因果分析的多任务框架
Yazid Bounab1, Osmo Antikainen1, Mia Sivén1
1University of Helsinki, Faculty of Pharmacy, Viikinkaari 5 E, Helsinki, 00014, Finland.
概括
本研究引入了用于制药制造的AI框架,通过预测平板质量和识别问题来增强直接平板压缩 (DTC). 该系统提高了效率,并确保药物开发中的监管合规性.
科学领域:
- 制药制造业 制药制造业 制药制造业
- 药物开发 药物开发
- 制药领域的人工智能
背景情况:
- 制药4.0正在通过人工智能改变药物开发,以提高效率.
- 直接平板电脑压缩 (DTC) 在很大程度上依赖于API和辅助剂特性.
- 优化平板电脑质量需要理解复杂的相互作用.
研究的目的:
- 开发一种新的多任务人工智能框架,用于预测平板电脑的性能.
- 确定批量验收,并为质量改进提供见解.
- 为了实现实时监控和监管合规在制药制造业.
主要方法:
- 一个多任务框架,结合了回归,分类和文本生成.
- 统计方法,神经网络 (NN),自然语言处理 (NLP) 和生成AI (GenAI) 的整合.
- 使用哈佛数据verse V1数据集的快速分解片 (FDTs) 的验证.
主要成果:
- 实现了91.8%的R2回归和95.5%的分类准确度.
- 在最先进的方法中表现出优越的性能.
- 成功预测了平板电脑的特性 (易碎,硬度,分解,吸水).
结论:
- 人工智能框架显著提高了制药制造质量控制.
- 它为优化平板电脑生产和识别缺陷的根本原因提供了可操作的见解.
- 该方法支持实时监控,合规性和改善药物开发结果.
