低掺量连续混粉的数字孪生——人工神经网络和停留时间分布模型
在本文中，我们根据过程分析技术(PAT)和质量设计(QbD)指南，全面描述了连续制药粉末混合过程的数字双晶开发。通过连续混合实验，研究了咖啡因活性药物成分与葡萄糖赋形剂的低剂量体系。
采用近红外光谱法进行过程分析;采用多元数据分析对光谱进行定量评价。混合系统采用机械停留时间分布模型和两种递归神经网络模型来表示，实验数据集用于模型训练或拟合和验证。通过仿真验证，详细比较了两种建模方法、基于模型的数字孪生模型的优化以及基于软传感器的过程监测的效率。
RTD模型和非线性自回归神经网络均对低掺量混合过程具有良好的预测能力。RTD模型在工业发展中具有更大的优势，因为它们的开发资源较少，而且在低浓度水平上的预测精度缺乏依赖于化学计量校准的精度。降低的材料成本和有限的开发时间框架使数字孪生在技术开发中成为一个有效的工具。
文章信息:Kristóf Beke Á， Gyürkés M, Kristóf Nagy Z, Marosi G, Farkas a。Eur J Pharm Biopharm. 2021年9月22日:S0939-6411(21)00238-1。doi: 10.1016 / j.ejpb.2021.09.006。印刷前Epub。PMID: 34562574。