Прогнозирование размера частиц дисперсии, полученной распылительной сушкой, с использованием методов регрессионного машинного обучения

Размер частиц дисперсии, полученной распылительной сушкой, является критическим показателем качества, влияющим на биодоступность и технологичность процесса распылительной сушки и готовой лекарственной формы. Для установления связи между параметрами состава и процесса и размером частиц требовался значительный объем экспериментов, причем полученные результаты были применимы только к одному активному фармацевтическому ингредиенту (API). В настоящем исследовании впервые продемонстрирована независимая от API возможность прогнозирования размера частиц для широкого диапазона параметров состава и процесса в условиях пилотного и промышленного масштабов. Кроме того, разработана стратегия, в которой состав и целевой размер частиц используются в качестве входных данных для определения набора параметров процесса, рекомендуемых для «первой попытки». Для прогнозирования размера высушенных частиц в распылительных сушилках пилотного и производственного масштабов была создана ансамблевая модель машинного обучения; для отложенной выборки оценки ошибки прогноза находились в диапазоне от −7,7 до 18,6% (25-й/75-й процентили). Аддитивные объяснения Шепли позволили установить, каким образом изменения параметров состава и процесса обусловливали вариации прогнозируемого моделью размера высушенных частиц; полученные зависимости согласовывались с механистическим пониманием процесса формирования частиц. Кроме того, с помощью прогностической модели в рамках оптимизационной стратегии были определены исходные оценки значений параметров процесса, обеспечивающих наиболее эффективное достижение целевого размера частиц для заданного состава. Эта стратегия использовалась для оценки параметров процесса в отложенной выборке и иллюстрации выбора параметров процесса при масштабировании. Результаты исследования показывают, что обученные регрессионные модели могут сократить объем экспериментальных работ, необходимых для создания компьютерного проектного пространства для новых молекул на ранних этапах разработки процесса и при последующем масштабировании.