利用人工神经网络比较光谱测量在体外溶出曲线预测中的表现
机器学习
2022-10-20 v1 仪器与探测器
摘要
溶出度测试是目标产品质量的一部分，在制药工业新产品批准中至关重要。基于光谱数据预测溶出曲线是当前破坏性和耗时方法的替代方案。拉曼和近红外（NIR）光谱是两种快速且互补的方法，可提供片剂物理和化学性质的信息，并有助于预测其溶出曲线。本工作旨在比较这些光谱方法所收集的信息，以支持应使用哪些测量的决策，从而满足工业的精度要求。我们创建了人工神经网络模型，其中光谱数据和测量的压缩曲线分别单独及以不同组合作为输入，以估计溶出曲线。结果表明，仅使用 NIR 透射法结合压缩力数据，或拉曼和 NIR 反射法，溶出曲线在 f2 相似因子的可接受限度内被估计。增加进一步的光谱测量提高了预测精度。
引用
@article{arxiv.2210.10292,
title = {Comparing Spectroscopy Measurements in the Prediction of in Vitro Dissolution Profile using Artificial Neural Networks},
author = {Mohamed Azouz Mrad and Kristóf Csorba and Dorián László Galata and Zsombor Kristóf Nagy and Brigitta Nagy},
journal= {arXiv preprint arXiv:2210.10292},
year = {2022}
}
备注
11 pagee, 5 figures, 3rd International Conference on Data Science and Machine Learning (DSML 2022)