数据智能算法在新型制药辅料压实性能建模中的应用

药物赋形剂发育是一项广泛的过程，需要一系列预先配制研究来评估其性能。本研究比较了用人工智能（AI）模型的常规压缩和压缩预制备研究，以预测从利文​​斯通马铃薯获得的热和化学改性淀粉的性能。

结果
通过三种方法对天然淀粉进行改性，得到以下几种淀粉;预糊化淀粉(PS)、乙醇脱水预糊化淀粉(ES)、酸水解淀粉(AS)。微晶纤维素(Avicel®PH101)作为参比，因为其在直接压片中的应用已经建立。压实压力的作用在平板电脑的体积减少的程度,研究了使用Kawakita和黑格尔模型强调,当淀粉改性的酶法制备乙醇脱水,直接和/或酸水解改性,可压缩塑性变形的淀粉可以获得。数据智能结果表明，基于人工智能的模型相对于线性模型具有较高的可靠性。结果表明，自适应神经模糊推理系统(Adaptive neural -fuzzy inference system, ANFIS)在对所有四种赋形剂的性能建模方面都优于其他两种模型，具有相当的性能精度。

结论
可压缩性指标表现出AS和ES的匹配特性Avicel®PH101此外，数据智能建模证明了ANFIS作为混合模型的可靠性和令人满意的程度，相比于其他两种模型，ANFIS在建模这些新型药物赋形剂的压实特性方面具有更高的性能技能。

下载全文:Khalid-Usman2021_Article_ApplicationOfData-intelligence

或继续阅读这里：哈立德和乌斯曼未来医药科学杂志-数据智能算法在新型制药辅料压实性能建模中的应用——https://doi.org/10.1186/s43094——021 - 00183 w