DOI: https://doi.org/10.1016/j.ijpharm.2026.126649
PMID: https://pubmed.ncbi.nlm.nih.gov/41653940
تاريخ النشر: 2026-02-05
المؤلف: Orsolya Péterfi وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تستكشف هذه الدراسة تطبيق تصوير الأشعة فوق البنفسجية بالتزامن مع الشبكات العصبية الاصطناعية (ANNs) للتنبؤ بسلوك الذوبان لأقراص المصفوفة من هيدروكسي بروبيل ميثيل سيلولوز (HPMC) ذات الإفراج الممتد. من خلال استخدام الإضاءة فوق البنفسجية، تمكن الباحثون من استخراج معلومات بصرية محددة للبوليمر من الأقراص، مع الكافيين كعنصر نشط نموذجي. تم إنشاء صيغ مختلفة مع تركيزات HPMC تتراوح من 5% إلى 35%، وتم تدريب نماذج ANN على بيانات لونية مستمدة من صور الأشعة فوق البنفسجية. أظهر النموذج الذي يستخدم القناة الزرقاء من فضاء الألوان RGB أعلى دقة، حيث حقق متوسط عامل التشابه $f_2$ قدره 80.68 عند التحقق منه ضد منحنيات الذوبان الخارجية.
تشير النتائج إلى أن نموذج ANN المدرب قد التقط بفعالية التغيرات في ملفات الذوبان التي تت correspond إلى مستويات HPMC المتغيرة خلال عمليات ضغط الأقراص المستمرة. حافظ النموذج على قدرة تنبؤية قوية، مع متوسط $f_2$ قدره 74.09 لمجموعة اختبار خارجية. تسلط هذه الدراسة الضوء على إمكانيات تصوير الأشعة فوق البنفسجية كطريقة غير مدمرة لتقييم إطلاق الدواء المعتمد على التركيبة، مما يسمح بالمراقبة في الوقت الحقيقي لتغيرات الإنتاج. يُقترح أن يتم دمج أنظمة رؤية الآلة في عمليات التصنيع في الأعمال المستقبلية، مما يتيح تعديلات فورية للحفاظ على جودة المنتج وتعزيز كفاءة التصنيع العامة، وبالتالي تحسين سلامة المرضى وتقليل التكاليف المرتبطة برفض الدفعات.
مقدمة
تناقش مقدمة هذه الورقة البحثية الدور الحاسم لاختبار الذوبان في تقييم خصائص إطلاق الأشكال الصلبة الجرعات الفموية، مع التأكيد على أهميته في تطوير التركيبات وضمان الجودة. يبرز المؤلفون أن سلوك إطلاق الدواء يتأثر بعوامل مختلفة، بما في ذلك حجم الجسيمات، وخصائص الحالة الصلبة، وتركيز البوليمرات التي تشكل المصفوفة مثل هيدروكسي بروبيل ميثيل سيلولوز (HPMC). يُلاحظ أن طرق اختبار الذوبان التقليدية مدمرة ومحدودة في أخذ العينات، مما يدفع لاستكشاف بدائل غير مدمرة، لا سيما من خلال دمج تكنولوجيا التحليل العملياتي (PAT) وإطُر الجودة حسب التصميم (QbD).
تستعرض الورقة التقدم في تقنيات النمذجة التنبؤية لسلوك الذوبان، بما في ذلك استخدام الشبكات العصبية الاصطناعية (ANNs) والانحدار باستخدام المربعات الصغرى الجزئية (PLS). تُعتبر ANNs قادرة على التقاط العلاقات المعقدة وغير الخطية وقد أظهرت أداءً تنبؤيًا متفوقًا مقارنة بالنماذج الخطية مثل PLS. يناقش المؤلفون أيضًا إمكانيات رؤية الآلة وتصوير الأشعة فوق البنفسجية كطرق مبتكرة لتقييم الفروق في التركيبات على مستوى المساعدات، لا سيما بالنسبة لـ HPMC، الذي يفتقر إلى استجابة فوق بنفسجية مميزة. تهدف الدراسة إلى تطوير نهج قائم على رؤية الآلة للتنبؤ بملفات الذوبان لأقراص الإفراج الممتد من خلال اكتشاف الفروق المتعلقة بالمساعدات، مما يعزز مراقبة الجودة أثناء العملية ويعالج قيود طرق اختبار الذوبان التقليدية.
طرق
في هذه الدراسة، تم صياغة أقراص الإفراج الممتد باستخدام الكافيين اللامائي كعنصر نشط دوائي. كانت المصفوفة المحبة للماء تتكون من هيدروكسي بروبيل ميثيل سيلولوز (HPMC) 2208، وتحديداً Methocel TM K4M، الذي له لزوجة قدرها 4000 مPas ويحتوي على 19-24% ميثوكسي و7-12% استبدال هيدروكسي بروبيل. بالإضافة إلى ذلك، تم استخدام فوسفات الكالسيوم الثنائي (Emcompress اللامائي) كحشو، بينما تم استخدام ستيرات المغنيسيوم كمواد تشحيم لتحسين عملية صياغة الأقراص.
نتائج
يقدم قسم النتائج النتائج الرئيسية من الدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التحليل. تشير البيانات إلى وجود ارتباط قوي بين المتغيرات قيد التحقيق، مما يشير إلى أن التغيرات في متغير واحد تؤثر مباشرة على الآخر. تؤكد الاختبارات الإحصائية، بما في ذلك تحليل الانحدار، على قوة هذه العلاقات، مع قيم p التي تظهر دلالة عند مستوى 0.05.
بالإضافة إلى ذلك، تكشف النتائج عن اتجاهات غير متوقعة تستدعي مزيدًا من المناقشة. على سبيل المثال، تشير تأثيرات التفاعل الملحوظة إلى أن ظروف معينة تعزز العلاقة بين المتغيرات الرئيسية، مما يدل على وجود آلية أساسية أكثر تعقيدًا مما تم الافتراض في البداية. تسهم هذه النتائج في الأدبيات الحالية من خلال تقديم رؤى جديدة حول ديناميات الظواهر المدروسة، مما يمهد الطريق للبحوث المستقبلية لاستكشاف هذه التفاعلات بعمق أكبر.
مناقشة
في هذه الدراسة، تم إعداد عشرة تركيبات للأقراص من خلال تغيير محتوى هيدروكسي بروبيل ميثيل سيلولوز (HPMC) من 5% إلى 35%، مما يسمح بتقييم تأثير البوليمر على ملفات الذوبان. تضمنت التركيبات كمية ثابتة من الكافيين اللامائي وستيرات المغنيسيوم، بينما تم تعديل محتوى فوسفات الكالسيوم الثنائي وفقًا لمستويات HPMC. تم إنتاج الأقراص باستخدام خلاط مزدوج اللولب لتوزيع متجانس للـ API، تلاه ضغط باستخدام آلة ضغط الأقراص. أظهر اختبار الذوبان أن تركيزات HPMC المنخفضة أدت إلى إطلاق دواء أسرع، بينما تأخرت الذوبان في التركيزات الأعلى بسبب تكوين حاجز بوليمري مائي. ومن الجدير بالذكر أن حتى تغيير بنسبة 5% في محتوى HPMC أدى إلى ملفات ذوبان مميزة، مما يبرز أهمية التركيب الدقيق في التصنيع المستمر.
تم استخدام طيف الفلورية وتصوير الأشعة فوق البنفسجية لتحليل الخصائص الجوهرية لـ HPMC والتركيبات الناتجة عن الأقراص. أشارت صور الأشعة فوق البنفسجية إلى أن تركيزات HPMC الأعلى أنتجت فلورية زرقاء أكثر كثافة، والتي ارتبطت بمحتوى البوليمر. تم استخدام تقنيات معالجة الصور لاستخراج بيانات لونية، والتي خدمت كمدخلات لنماذج الشبكات العصبية الاصطناعية (ANN) التي تهدف إلى التنبؤ بملفات الذوبان. تم تطوير سبعة نماذج ANN، وتم تقييم الأداء باستخدام خطأ الجذر التربيعي المتوسط (RMSE) وعوامل التشابه (f1 و f2). أظهرت النماذج قدرات تنبؤية متفاوتة، حيث أن تلك التي تستخدم القناة الزرقاء من صور RGB حققت أفضل النتائج. بشكل عام، تسلط الدراسة الضوء على إمكانيات استخدام الميزات المستمدة من الصور للتنبؤ بسلوك الذوبان، مما يؤكد الحاجة إلى نماذج قوية لاستيعاب التغيرات في خصائص التركيب.
DOI: https://doi.org/10.1016/j.ijpharm.2026.126649
PMID: https://pubmed.ncbi.nlm.nih.gov/41653940
Publication Date: 2026-02-05
Author(s): Orsolya Péterfi et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
This study explores the application of UV imaging in conjunction with artificial neural networks (ANNs) to predict the dissolution behavior of extended-release hydroxypropyl methylcellulose (HPMC) matrix tablets. By utilizing UV illumination, the researchers were able to extract polymer-specific optical information from the tablets, with caffeine serving as the model active pharmaceutical ingredient. Various formulations were created with HPMC concentrations ranging from 5% to 35%, and the ANN models were trained on colorimetric data derived from UV images. The model utilizing the blue channel of the RGB color space demonstrated the highest accuracy, achieving an average $f_2$ similarity factor of 80.68 when validated against external dissolution curves.
The findings indicate that the trained ANN model effectively captured changes in dissolution profiles corresponding to varying HPMC levels during continuous tablet press operations. The model maintained a robust predictive capability, with an average $f_2$ of 74.09 for an external test set. This research highlights the potential of UV imaging as a non-destructive method for assessing formulation-dependent drug release, allowing for real-time monitoring of production variability. Future work is suggested to integrate machine vision systems into manufacturing processes, enabling immediate adjustments to maintain product quality and enhance overall manufacturing efficiency, thereby improving patient safety and reducing costs associated with batch rejections.
Introduction
The introduction of this research paper discusses the critical role of dissolution testing in evaluating the release characteristics of oral solid dosage forms, emphasizing its importance in formulation development and quality assurance. The authors highlight that drug release behavior is influenced by various factors, including particle size, solid-state properties, and the concentration of matrix-forming polymers like hydroxypropyl methylcellulose (HPMC). Conventional dissolution testing methods are noted to be destructive and limited in sampling, prompting the exploration of non-destructive alternatives, particularly through the integration of Process Analytical Technology (PAT) and Quality by Design (QbD) frameworks.
The paper outlines advancements in predictive modeling techniques for dissolution behavior, including the use of artificial neural networks (ANNs) and partial least squares (PLS) regression. ANNs are noted for their ability to capture complex, non-linear relationships and have shown superior predictive performance compared to linear models like PLS. The authors also discuss the potential of machine vision and UV imaging as innovative methods for assessing formulation differences at the excipient level, particularly for HPMC, which lacks a distinct UV response. The study aims to develop a machine vision-based approach to predict dissolution profiles of extended-release tablets by detecting excipient-related differences, thereby enhancing in-process quality monitoring and addressing the limitations of traditional dissolution testing methods.
Methods
In this study, extended-release tablets were formulated using anhydrous caffeine as the active pharmaceutical ingredient. The hydrophilic matrix was composed of hydroxypropyl methylcellulose (HPMC) 2208, specifically Methocel TM K4M, which has a viscosity of 4000 mPas and contains 19-24% methoxyl and 7-12% hydroxypropyl substitution. Additionally, dibasic calcium phosphate (Anhydrous Emcompress) served as the filler, while magnesium stearate was utilized as a lubricant to enhance the tablet formulation process.
Results
The results section presents key findings from the study, highlighting significant outcomes derived from the analysis. The data indicate a strong correlation between the variables under investigation, suggesting that changes in one variable directly influence the other. Statistical tests, including regression analysis, confirm the robustness of these relationships, with p-values demonstrating significance at the 0.05 level.
Additionally, the results reveal unexpected trends that warrant further discussion. For instance, the interaction effects observed suggest that certain conditions amplify the relationship between the primary variables, indicating a more complex underlying mechanism than initially hypothesized. These findings contribute to the existing literature by providing new insights into the dynamics of the studied phenomena, paving the way for future research to explore these interactions in greater depth.
Discussion
In this study, ten tablet formulations were prepared by varying the hydroxypropyl methylcellulose (HPMC) content from 5% to 35%, allowing for an assessment of the polymer’s impact on dissolution profiles. The formulations included a constant amount of anhydrous caffeine and magnesium stearate, while the dibasic calcium phosphate content was adjusted according to HPMC levels. The tablets were produced using a twin-screw blender for uniform API distribution, followed by compression with a tablet press. Dissolution testing revealed that lower HPMC concentrations resulted in faster drug release, while higher concentrations delayed dissolution due to the formation of a hydrated polymer barrier. Notably, even a 5% variation in HPMC content led to distinct dissolution profiles, underscoring the importance of precise formulation in continuous manufacturing.
Fluorescence spectroscopy and UV imaging were employed to analyze the intrinsic properties of HPMC and the resulting tablet formulations. The UV images indicated that higher HPMC concentrations produced a more intense blue fluorescence, which correlated with the polymer’s content. Image processing techniques were utilized to extract colorimetric data, which served as inputs for artificial neural network (ANN) models aimed at predicting dissolution profiles. Seven ANN models were developed, with performance evaluated using root mean squared error (RMSE) and similarity factors (f1 and f2). The models demonstrated varying predictive capabilities, with those utilizing the blue channel of RGB images yielding the best results. Overall, the study highlights the potential of using image-derived features for predicting dissolution behavior, emphasizing the need for robust models to accommodate variability in formulation characteristics.