Il machine learning può prevedere i risultati dei prodotti farmaceutici stampati a getto d'inchiostro

Inserito: 23 maggio 2023 | Catherine Eckford (Revisione farmaceutica europea) | Ancora nessun commento

Un articolo ha dimostrato come i modelli di apprendimento automatico (ML) abbiano previsto la stampabilità delle formulazioni farmaceutiche con la stampa a getto d'inchiostro con elevata precisione.

Utilizzando la stampa a getto d’inchiostro, modelli ottimizzati di machine learning (ML) hanno previsto la stampabilità delle formulazioni farmaceutiche con una precisione del 97,22%, come ha dimostrato un articolo pubblicato sull’International Journal of Pharmaceutics: X.

La stampa a getto d'inchiostro rende dispendiosa in termini di tempo la formulazione e l'ottimizzazione dei parametri di stampa. Ciò è particolarmente vero per la produzione additiva e la produzione di forme di dosaggio uniche e medicinali personalizzati. I vantaggi di quest'ultimo includono il basso costo e la versatilità. Ad esempio, la stampa a getto d’inchiostro piezoelettrica è un metodo di stampa utilizzato per i medicinali personalizzati.

L'ML è stato utilizzato per prevedere i risultati della stampa e i comportamenti di dissoluzione delle forme di dosaggio stampate con modellazione a deposizione fusa (FDM™) e delle compresse stampate con elaborazione digitale della luce (DLP), osserva l'articolo.

Lo studio ha valutato il modo in cui il machine learning può analizzare le differenze di sfumatura e fornire previsioni più affidabili rispetto alle linee guida convenzionali sulla jettabilità basate sui valori Z, che è un’impostazione della testina di stampa.

I ricercatori hanno teorizzato che esiste la possibilità di sviluppare un modello predittivo per i risultati della stampa a getto d'inchiostro. Pertanto, lo studio mirava a sviluppare e valutare le prestazioni dei modelli ML per prevedere la stampabilità della stampa a getto d'inchiostro e la dose totale del farmaco nella forma di dosaggio stampata finale.

I modelli ML utilizzati nello studio per prevedere la stampabilità erano:

Oltre a prevedere la stampabilità delle formulazioni con elevata precisione, i modelli ML ottimizzati hanno previsto anche la qualità delle stampe con una precisione del 97,14%. Le linee guida attuali affermano che solo gli inchiostri con valori Z <10 sono stampabili. A titolo di confronto, seguendo queste indicazioni si ottiene una precisione del 64,39%.

Lo sviluppo e l'ottimizzazione della formulazione sono un processo che richiede molto tempo e risorse e che può essere notevolmente accelerato grazie alla guida di strumenti predittivi in ​​silico.

I ricercatori hanno affermato che uno strumento predittivo per determinare meglio la stampabilità degli inchiostri prima della preparazione e del test effettivi consentirebbe ai ricercatori farmaceutici di concentrarsi sull’ideazione di forme di dosaggio più uniche per risolvere le sfide cliniche non soddisfatte.

L'analisi del set di dati comprendente 687 formulazioni ha rivelato che i risultati di stampa positivi sono stati pubblicati in stragrande maggioranza a favore di risultati negativi. Nonostante il set di dati sbilanciato, il modello ML ottimizzato per prevedere la stampabilità ha funzionato significativamente meglio rispetto alle linee guida convenzionali.

Per la formulazione dei farmaci, la stampa a getto d'inchiostro è stata utilizzata per caricare i farmaci su pellicole orodispersibili, pellicole bioadesive per la somministrazione cervicale e microaghi transdermici, hanno osservato gli autori. La stampa a getto d'inchiostro è stata utilizzata anche per dispensare micro e nanoparticelle caricate con farmaci disperse nel liquido dell'inchiostro.

La stampa a getto d’inchiostro può anche essere combinata con altre tecnologie di produzione additiva altrimenti irraggiungibili con le tecnologie di produzione convenzionali.

Collaborazione per la produzione di prodotti farmaceutici serigrafati in 3D

Ad esempio, uno studio evidenziato nell’articolo ha utilizzato la stampa a getto d’inchiostro insieme alla stampa 3D FDM™ per produrre compresse contenenti farmaci con codici QR (Quick Response) stampati su di esse. Questi codici QR sono stati progettati per codificare informazioni relative al paziente che potrebbero essere lette utilizzando uno smartphone e per fungere da strategia anticontraffazione.

Un altro studio ha applicato anche la fabbricazione di substrati orodispersibili e capsule con codici QR stampati. In un altro caso di studio presentato nell’articolo, la stampa a getto d’inchiostro è stata utilizzata per fabbricare intere compresse 3D contenenti farmaci.

Carou-Senra et al. ha concluso che lo studio dimostra che i modelli di apprendimento automatico “possono fornire informazioni predittive sui risultati della stampa a getto d’inchiostro prima della preparazione della formulazione, consentendo un risparmio di risorse e tempo”.