Kai medicinos įmonės gamina tabletes ir tabletes, kurios gydo daugybę ligų, skausmų ir skausmų, jos turi išskirti veikliąją farmacinę medžiagą iš suspensijos ir išdžiovinti. Proceso metu žmogus turi stebėti pramoninį džiovintuvą, maišyti medžiagą ir stebėti, ar junginys įgaus tinkamas savybes, skirtas suspausti į vaistą. Darbas labai priklauso nuo operatoriaus pastebėjimų.
Metodai, kaip tą procesą padaryti mažiau subjektyvų ir daug veiksmingesnį, buvo neseniai aprašyti Gamtos komunikacijos dokumentas, kurį parašė MIT ir Takeda mokslininkai. Straipsnio autoriai sukūrė būdą, kaip panaudoti fiziką ir mašininį mokymąsi, kad būtų galima suskirstyti grubius paviršius, apibūdinančius mišinio daleles. Metodas, kuriame naudojamas fizikos patobulintas autokoreliacija pagrįstas įvertinimas (PEACE), galėtų pakeisti tablečių ir miltelių farmacijos gamybos procesus, padidindamas efektyvumą ir tikslumą bei sumažindamas nesėkmingų farmacijos produktų partijų skaičių.
„Nepavykusios partijos arba nesėkmingi farmacijos proceso žingsniai yra labai rimti“, – sako Allanas Myersonas, MIT Chemijos inžinerijos katedros praktikos profesorius ir vienas iš tyrimo autorių. „Viskas, kas pagerina vaistų gamybos patikimumą, sutrumpina laiką ir pagerina atitiktį, yra didelis dalykas.
Komandos darbas yra nuolatinio Takeda ir MIT bendradarbiavimo dalis, pradėta 2020 m. MIT-Takeda programa siekiama panaudoti tiek MIT, tiek Takeda patirtį sprendžiant medicinos, dirbtinio intelekto ir sveikatos priežiūros sankirtos problemas.
Farmacijos gamyboje norint nustatyti, ar junginys yra tinkamai sumaišytas ir išdžiovintas, paprastai reikia sustabdyti pramoninio dydžio džiovintuvą ir paimti mėginius iš gamybos linijos, kad būtų atliktas tyrimas. „Takeda“ mokslininkai manė, kad dirbtinis intelektas gali pagerinti užduotį ir sumažinti gamybos sustabdymus, kurie lėtina gamybą. Iš pradžių tyrimo grupė planavo naudoti vaizdo įrašus, kad išmokytų kompiuterinį modelį, kuris pakeistų žmogų. Tačiau nuspręsti, kuriuos vaizdo įrašus naudoti modeliui mokyti, vis tiek pasirodė pernelyg subjektyvu. Vietoj to, MIT-Takeda komanda nusprendė apšviesti daleles lazeriu filtravimo ir džiovinimo metu ir išmatuoti dalelių dydžio pasiskirstymą naudojant fiziką ir mašininį mokymąsi.
„Mes tiesiog apšviečiame lazerio spindulį ant šio džiūstančio paviršiaus ir stebime“, – sako Qihang Zhang, MIT Elektros inžinerijos ir kompiuterių mokslo katedros doktorantas ir pirmasis tyrimo autorius.
Iš fizikos gauta lygtis apibūdina lazerio ir mišinio sąveiką, o mašininis mokymasis apibūdina dalelių dydžius. Anot MIT mechanikos inžinerijos profesoriaus George’o Barbastathiso ir atitinkamo tyrimo autoriaus, procesas nereikalauja sustabdyti ir pradėti proceso, o tai reiškia, kad visas darbas yra saugesnis ir efektyvesnis nei įprasta darbo procedūra.
Mašininio mokymosi algoritmas taip pat nereikalauja daug duomenų rinkinių, kad išmoktų savo darbą, nes fizika leidžia greitai lavinti neuroninį tinklą.
„Mes naudojame fiziką, kad kompensuotume mokymo duomenų trūkumą, kad galėtume efektyviai treniruoti neuroninį tinklą“, – sako Zhang. „Geram rezultatui gauti pakanka tik nedidelio eksperimentinių duomenų kiekio.
Šiandien farmacijos pramonėje dalelių matavimui naudojami vieninteliai tiesioginiai procesai, skirti srutų produktams, kai kristalai plūduriuoja skystyje. Nėra metodo, kaip išmatuoti daleles milteliuose maišymo metu. Miltelius galima gaminti iš srutų, tačiau skystį filtruojant ir džiovinant jo sudėtis keičiasi, todėl reikia atlikti naujus matavimus. Autoriai teigia, kad naudojant PEACE mechanizmą, procesas tampa greitesnis ir efektyvesnis, darbas tampa saugesnis, nes reikia mažiau tvarkyti potencialiai labai stiprias medžiagas.
Farmacijos gamybos pasekmės gali būti reikšmingos, todėl vaistų gamyba gali būti efektyvesnė, tvaresnė ir ekonomiškesnė, nes sumažėja eksperimentų, kuriuos įmonės turi atlikti gamindamos produktus, skaičius. Pasak Charleso Papageorgiou, Takeda proceso chemijos plėtros grupės direktoriaus ir vieno iš tyrimo autorių, džiovinimo mišinio charakteristikų stebėjimas yra problema, su kuria pramonė ilgai kovojo.
„Tai problema, kurią bando išspręsti daug žmonių, o ten nėra gero jutiklio“, – sako Papageorgiou. „Manau, kad tai yra gana didelis pokytis, susijęs su galimybe realiuoju laiku stebėti dalelių dydžio pasiskirstymą.
Papageorgiou teigė, kad mechanizmas gali būti pritaikytas kitose pramoninėse farmacijos operacijose. Tam tikru momentu lazerinė technologija gali treniruoti vaizdo vaizdavimą, todėl gamintojai gali naudoti kamerą analizei, o ne lazeriniams matavimams. Įmonė dabar stengiasi įvertinti įrankį su įvairiais junginiais savo laboratorijoje.
Rezultatai gaunami tiesiogiai bendradarbiaujant Takeda ir trims MIT departamentams: mechanikos inžinerijos, chemijos inžinerijos ir elektros inžinerijos bei kompiuterių mokslo. Per pastaruosius trejus metus MIT ir Takeda mokslininkai kartu dirbo 19 projektų, skirtų mašininio mokymosi ir dirbtinio intelekto taikymui sveikatos priežiūros ir medicinos pramonės problemoms spręsti, kaip MIT-Takeda programos dalis.
Dažnai gali prireikti metų, kol akademiniai tyrimai virsta pramoniniais procesais. Tačiau mokslininkai tikisi, kad tiesioginis bendradarbiavimas galėtų sutrumpinti tą laiką. Takeda yra pėsčiomis nuo MIT miestelio, todėl mokslininkai galėjo atlikti bandymus įmonės laboratorijoje, o „Takeda“ atsiliepimai realiuoju laiku padėjo MIT tyrėjams susisteminti savo tyrimus pagal įmonės įrangą ir operacijas.
Abiejų subjektų kompetencijos ir misijos derinimas padeda tyrėjams užtikrinti, kad jų eksperimentiniai rezultatai turės realių pasekmių. Komanda jau pateikė du patentus ir planuoja pateikti trečiąjį.
