用神经网络技术预测口腔崩解片处方
机器学习
2018-06-08 v1 人工智能
机器学习
摘要
口腔崩解片（ODTs）是一种新型剂型，可在舌上 3 分钟或更短时间内溶解，特别适用于老年与儿科患者。当前 ODT 处方研究通常依赖药学专家的个人经验与实验室试错，效率低且耗时。本研究旨在利用人工神经网络（ANN）与深度神经网络（DNN）技术建立直接压片工艺 ODT 处方的预测模型。从 Web of Science 提取 145 条处方数据。所有数据集分为三部分：训练集（105 条）、验证集（20 条）与测试集（20 条）。比较 ANN 与 DNN 对崩解时间的预测。ANN 模型在训练集、验证集与测试集上的准确率分别达 85.60%、80.00% 与 75.00%，而 DNN 模型分别为 85.60%、85.00% 与 80.00%。与 ANN 相比，DNN 对 ODT 处方表现出更好的预测。这是首次将带有改进数据集选择算法的深度神经网络应用于小数据上的处方预测。所提预测方法可评估关于处方质量控制的关健参数，并指导研究与工艺开发。该预测模型的实施可有效缩短药品开发周期与物料消耗，并主动促进稳健药品的开发。
引用
@article{arxiv.1803.05339,
title = {Predicting Oral Disintegrating Tablet Formulations by Neural Network Techniques},
author = {Run Han and Yilong Yang and Xiaoshan Li and Defang Ouyang},
journal= {arXiv preprint arXiv:1803.05339},
year = {2018}
}
备注
This is a post-peer-review, pre-copyedit version of an article published in Asian Journal of Pharmaceutical Sciences. The final authenticated version is available online at: https://doi.org/10.1016/j.ajps.2018.01.003