Optimización de tabletas de paracetamol empleando principios de Calidad por Diseño y la red neuronal INQA

En la industria farmacéutica, la implementación de herramientas innovadoras para reducir costos y tiempos en el desarrollo de medicamentos es crucial. La formulación del medicamento juega un papel fundamental, enfocándose en la compatibilidad entre el principio activo (API) y los excipientes, lo que se determina en la fase de preformulación. Las guías ICH Q8, Q9 y Q10 son esenciales para optimizar estos procesos, ya que permiten anticipar y evitar errores mediante un análisis científico y la identificación de parámetros críticos. Para facilitar esta comprensión, se desarrolló una matriz de riesgos que identifica los atributos críticos de calidad (CQA), los atributos críticos de material (CMA) y los parámetros críticos del proceso (CPP). Se realizó una revisión bibliográfica sobre diversas formulaciones de acetaminofén, seleccionando excipientes como crospovidona, almidón y estearato de zinc, y se calculó la concentración adecuada utilizando un manual de excipientes. El entrenamiento de la red neuronal se llevó a cabo con un conjunto diverso de datos, aplicando un diseño experimental que desarrolló un rango de concentraciones, permitiendo a la red responder adecuadamente a variaciones. Durante el desarrollo de tabletas, se realizaron pruebas del polvo (como el índice de Hausner y el índice de Carr) y controles de proceso para evaluar la dureza, uniformidad de peso y dimensiones de cada tableta, según la matriz de riesgos. Finalmente, se implementó una red neuronal entrenada con distintos modelos, observando que aquellos relacionados con la crospovidona y la uniformidad de peso presentaron un R2 superior a 0.6, lo que indica que la red puede predecir los modelos de formulaciones.

• Autores: Chaparro Rodríguez , Carolinne
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2024
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/13251
• Acceso en línea: https://hdl.handle.net/20.500.12495/13251
• Palabra clave: Calidad por diseño; Red Neuronal Artificial; Formulación; Excipientes; Tableta; Acetaminofén; 615.19; Quality by Design (QbD); Artificial Neural Networks; Formulation; Excipients; Tablet; Acetaminophen
• License: Attribution-NonCommercial-NoDerivatives 4.0 International