Pesquisadores do MIT aceleram em 60 vezes um novo estimador baseado em IA para fabricação de medicamentos.
Os coautores do estudo (da esquerda para a direita) Ajinkya Pandit, Yi Wei e Shashank Muddu com equipamentos usados para desenvolver uma técnica que oferece uma sonda de tamanho de partículas não invasiva e de baixo custo. Créditos: Foto cortesia da Takeda Pharmaceuticals.
A indústria farmacêutica há muito tempo luta com a questão do monitoramento das características de uma mistura de secagem, uma etapa crítica na produção de medicamentos e compostos químicos. Atualmente, há duas abordagens de caracterização não invasivas que são tipicamente usadas: uma amostra é fotografada e partículas individuais são contadas, ou os pesquisadores usam uma luz espalhada para estimar a distribuição do tamanho das partículas (PSD). A primeira é demorada e leva ao aumento do desperdício, tornando a última uma opção mais atraente.
Nos últimos anos, engenheiros e pesquisadores do MIT desenvolveram uma abordagem de luz dispersa baseada em física e aprendizado de máquina que demonstrou melhorar os processos de fabricação de pílulas e pós farmacêuticos, aumentando a eficiência e a precisão e resultando em menos lotes de produtos com falha. Um novo artigo de acesso aberto, “ Estimativa não invasiva da distribuição do tamanho do pó a partir de uma única imagem de manchas ”, disponível no periódico Light: Science & Application , expande esse trabalho, introduzindo uma abordagem ainda mais rápida.
“Entender o comportamento da luz espalhada é um dos tópicos mais importantes em óptica”, diz Qihang Zhang PhD '23, pesquisador associado da Universidade Tsinghua. “Ao progredir na análise da luz espalhada, também inventamos uma ferramenta útil para a indústria farmacêutica. Localizar o ponto problemático e resolvê-lo investigando a regra fundamental é a coisa mais emocionante para a equipe de pesquisa.”
O artigo propõe um novo método de estimativa de PSD, baseado em engenharia de pupila, que reduz o número de quadros necessários para análise. “Nosso modelo baseado em aprendizado pode estimar a distribuição do tamanho do pó a partir de uma única imagem de speckle instantânea, reduzindo consequentemente o tempo de reconstrução de 15 segundos para meros 0,25 segundos”, explicam os pesquisadores.
“Nossa principal contribuição neste trabalho é acelerar um método de detecção de tamanho de partículas em 60 vezes, com uma otimização coletiva de algoritmo e hardware”, diz Zhang. “Esta sonda de alta velocidade é capaz de detectar a evolução do tamanho em sistemas dinâmicos rápidos, fornecendo uma plataforma para estudar modelos de processos na indústria farmacêutica, incluindo secagem, mistura e mesclagem.”
A técnica oferece uma sonda de tamanho de partícula de baixo custo e não invasiva, coletando luz retrodispersa de superfícies de pó. O protótipo compacto e portátil é compatível com a maioria dos sistemas de secagem do mercado, desde que haja uma janela de observação. Essa abordagem de medição on-line pode ajudar a controlar os processos de fabricação, melhorando a eficiência e a qualidade do produto. Além disso, a falta anterior de monitoramento on-line impediu o estudo sistemático de modelos dinâmicos em processos de fabricação. Essa sonda pode trazer uma nova plataforma para realizar pesquisas e modelagem em série para a evolução do tamanho de partícula.
Este trabalho, uma colaboração bem-sucedida entre físicos e engenheiros, é gerado a partir do programa MIT-Takeda. Os colaboradores são afiliados a três departamentos do MIT: Engenharia Mecânica, Engenharia Química e Engenharia Elétrica e Ciência da Computação. George Barbastathis, professor de engenharia mecânica no MIT, é o autor sênior do artigo.