Le ML peut prédire les résultats des produits pharmaceutiques imprimés à jet d'encre

Publié : 23 mai 2023 | Catherine Eckford (Revue pharmaceutique européenne) | aucun commentaire pour l'instant

Un article a montré comment les modèles d’apprentissage automatique (ML) prédisaient l’imprimabilité par impression à jet d’encre des formulations de médicaments avec une grande précision.

Grâce à l’impression à jet d’encre, des modèles optimisés d’apprentissage automatique (ML) ont prédit l’imprimabilité des formulations de médicaments avec une précision de 97,22 pour cent, a montré un article publié dans International Journal of Pharmaceutics: X.

L’impression à jet d’encre rend l’optimisation de la formulation et des paramètres d’impression fastidieuse. Cela est particulièrement vrai pour la fabrication additive et la production de formes posologiques uniques et de médicaments personnalisés. Les avantages de ce dernier incluent le faible coût et la polyvalence. Par exemple, l’impression à jet d’encre piézoélectrique est une méthode d’impression utilisée pour les médicaments personnalisés.

Le ML a été utilisé pour prédire les résultats d'impression et les comportements de dissolution des formes posologiques imprimées par modélisation de dépôt fondu (FDM™) et des comprimés imprimés par traitement numérique de la lumière (DLP), note le journal.

L'étude a évalué comment ML peut analyser les différences de nuances et fournir des prédictions plus fiables par rapport aux conseils conventionnels sur la jettabilité basés sur les valeurs Z, qui sont un paramètre de tête d'impression.

Il est possible de développer un modèle prédictif des résultats de l’impression à jet d’encre, ont théorisé les chercheurs. Par conséquent, l’étude visait à développer et à évaluer les performances des modèles ML pour prédire l’imprimabilité de l’impression à jet d’encre et la dose totale de médicament dans la forme posologique imprimée finale.

Les modèles ML utilisés dans l'étude pour prédire l'imprimabilité étaient :

En plus de prédire l'imprimabilité des formulations avec une grande précision, les modèles ML optimisés ont également prédit la qualité des impressions avec une précision de 97,14 %. Les directives actuelles indiquent que seules les encres avec des valeurs Z <10 sont imprimables. À titre de comparaison, suivre ces conseils produit une précision de 64,39 pour cent.

Le développement et l’optimisation des formulations sont un processus gourmand en temps et en ressources qui peut être considérablement accéléré grâce aux conseils d’outils prédictifs in silico.

Les chercheurs ont déclaré qu'un outil prédictif permettant de mieux déterminer l'imprimabilité des encres avant la préparation et les tests proprement dits permettrait aux chercheurs pharmaceutiques de se concentrer sur la conception de formes posologiques plus uniques pour résoudre des défis cliniques non résolus.

L'analyse de l'ensemble de données comprenant 687 formulations a révélé que les résultats d'impression positifs étaient majoritairement publiés en faveur des résultats négatifs. Malgré l'ensemble de données déséquilibré, le modèle ML optimisé pour prédire l'imprimabilité a donné de bien meilleurs résultats que les conseils conventionnels.

Pour la formulation de médicaments, l'impression à jet d'encre a été utilisée pour charger des médicaments sur des films orodispersibles, des films bioadhésifs pour l'administration cervicale et des microaiguilles transdermiques, ont noté les auteurs. L’impression à jet d’encre a également été utilisée pour distribuer des microparticules et nanoparticules chargées de médicaments dispersées dans l’encre liquide.

L’impression à jet d’encre peut également être combinée avec d’autres technologies de fabrication additive autrement inaccessibles avec les technologies de fabrication conventionnelles.

Collaboration pour produire des produits pharmaceutiques sérigraphiés en 3D

Par exemple, une étude présentée dans l’article utilisait l’impression à jet d’encre en conjonction avec l’impression 3D FDM™ pour produire des comprimés chargés de médicaments sur lesquels étaient imprimés des codes de réponse rapide (QR). Ces codes QR ont été conçus pour coder des informations relatives aux patients pouvant être lues à l'aide d'un smartphone et pour servir de stratégie anti-contrefaçon.

Une autre étude a également appliqué la fabrication de substrats et de capsules orodispersibles avec des codes QR imprimés. Dans une autre étude de cas présentée dans l’article, l’impression à jet d’encre a été utilisée pour fabriquer l’intégralité des comprimés chargés de médicaments en 3D.

Carou-Senra et coll. a conclu que l'étude démontre que les modèles d'apprentissage automatique « peuvent fournir des informations prédictives sur les résultats de l'impression à jet d'encre avant la préparation de la formulation, permettant ainsi des économies de ressources et de temps ».