Prediction of In Vitro Dissolution Profile Using Artificial Neural Networks

Mrad, Mohamed Azouz ✉ [Mrad, Mohamed Azouz (Machine Learning), szerző] Automatizálási és Alkalmazott Informatikai Tanszék (BME / VIK); Kristóf, Csorba [Csorba, Kristóf (műszaki informatika), szerző] Automatizálási és Alkalmazott Informatikai Tanszék (BME / VIK); Dorián, László Galata [Galata, Dorián László (szerves kémia), szerző] Szerves Kémia és Technológia Tanszék (BME / VBK); Brigitta, Nagy [Nagy, Brigitta (kemometria, gyógy...), szerző] Szerves Kémia és Technológia Tanszék (BME / VBK); Zsombor, Kristóf Nagy [Nagy, Zsombor Kristóf (Gyógyszertechnológia), szerző] Szerves Kémia és Technológia Tanszék (BME / VBK)

Angol nyelvű Tudományos Konferenciaközlemény (Könyvrészlet)
    Azonosítók
    • MTMT: 31908082
    Szakterületek:
      In pharmaceutical industry, dissolution testing is part of the target product quality that are essentials in the approval of new products. The prediction of the dissolution profile based on spectroscopic data is an alternative to the current destructive and time-consuming method. Raman and near infrared (NIR) spectroscopies are two complementary methods, that provide information on the physical and chemical properties of the tablets and can help in predicting their dissolution profiles. This work aims to use the information collected by these methods by creating an artificial neural network model that can predict the dissolution profiles of the scanned tablets. Mathematical dissolution models were used to describe the dissolution profiles, some models were compared and evaluated in this work. The ANN models created used the spectroscopies data along with the measured compression curves as an input to predict the dissolution profiles and the mathematical models parameters. It was found that ANN models were able to predict the dissolution profiles within the acceptance limit of the f1 and f2 factors.
      Hivatkozás stílusok: IEEEACMAPAChicagoHarvardCSLMásolásNyomtatás
      2021-10-21 01:57