Optimización de tabletas de paracetamol empleando principios de Calidad por Diseño y la red neuronal INQA
Cargando...
Fecha
2024-10
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
En la industria farmacéutica, la implementación de herramientas innovadoras para reducir costos y tiempos en el desarrollo de medicamentos es crucial. La formulación del medicamento juega un papel fundamental, enfocándose en la compatibilidad entre el principio activo (API) y los excipientes, lo que se determina en la fase de preformulación. Las guías ICH Q8, Q9 y Q10 son esenciales para optimizar estos procesos, ya que permiten anticipar y evitar errores mediante un análisis científico y la identificación de parámetros críticos. Para facilitar esta comprensión, se desarrolló una matriz de riesgos que identifica los atributos críticos de calidad (CQA), los atributos críticos de material (CMA) y los parámetros críticos del proceso (CPP). Se realizó una revisión bibliográfica sobre diversas formulaciones de acetaminofén, seleccionando excipientes como crospovidona, almidón y estearato de zinc, y se calculó la concentración adecuada utilizando un manual de excipientes. El entrenamiento de la red neuronal se llevó a cabo con un conjunto diverso de datos, aplicando un diseño experimental que desarrolló un rango de concentraciones, permitiendo a la red responder adecuadamente a variaciones. Durante el desarrollo de tabletas, se realizaron pruebas del polvo (como el índice de Hausner y el índice de Carr) y controles de proceso para evaluar la dureza, uniformidad de peso y dimensiones de cada tableta, según la matriz de riesgos. Finalmente, se implementó una red neuronal entrenada con distintos modelos, observando que aquellos relacionados con la crospovidona y la uniformidad de peso presentaron un R2 superior a 0.6, lo que indica que la red puede predecir los modelos de formulaciones.
Descripción
Abstract
In the pharmaceutical industry, the implementation of innovative tools to reduce costs and time in drug development is crucial. Drug formulation plays a fundamental role, focusing on the compatibility between the active pharmaceutical ingredient (API) and the excipients, which is determined in the preformulation phase. The ICH Q8, Q9 and Q10 guidelines are essential to optimize these processes, as they allow to anticipate and avoid errors through scientific analysis and the identification of critical parameters. To facilitate this understanding, a risk matrix was developed that identifies critical quality attributes (CQA), critical material attributes (CMA) and critical process parameters (CPP). A literature review was conducted on various acetaminophen formulations, selecting excipients such as crospovidone, starch and zinc stearate, and the appropriate concentration was calculated using an excipient manual. The training of the neural network was carried out with a diverse set of data, applying an experimental design that developed a range of concentrations, allowing the network to respond appropriately to variations. During tablet development, powder tests (such as Hausner's index and Carr's index) and process controls were performed to evaluate the hardness, weight uniformity and dimensions of each tablet, according to the risk matrix. Finally, a neural network trained with different models was implemented, observing that those related to crospovidone and weight uniformity presented an R2 higher than 0.6, indicating that the network can predict the formulation models.
Palabras clave
Calidad por diseño, Red Neuronal Artificial, Formulación, Excipientes, Tableta, Acetaminofén
Keywords
Quality by Design (QbD), Artificial Neural Networks, Formulation, Excipients, Tablet, Acetaminophen