La industria farmacéutica ha luchado durante mucho tiempo con la cuestión del seguimiento de las características de una mezcla de secado, un paso crítico en la producción de medicamentos y compuestos químicos. En la actualidad, existen dos enfoques de caracterización no invasivos que se utilizan normalmente: se toman imágenes de una muestra y se cuentan las partículas individuales, o los investigadores utilizan una luz dispersa para estimar la distribución del tamaño de las partículas (PSD). Lo primero requiere mucho tiempo y genera un mayor desperdicio, lo que hace que lo segundo sea una opción más atractiva.
En los últimos años, los ingenieros e investigadores del MIT desarrollaron un Enfoque de luz dispersa basado en física y aprendizaje automático. Se ha demostrado que esto mejora los procesos de fabricación de píldoras y polvos farmacéuticos, aumentando la eficiencia y la precisión y dando como resultado menos lotes fallidos de productos. Un nuevo documento de acceso abierto, “Estimación no invasiva de la distribución del tamaño del polvo a partir de una única imagen moteada”, disponible en la revista Luz: ciencia y aplicaciónamplía este trabajo, introduciendo un enfoque aún más rápido.
“Comprender el comportamiento de la luz dispersa es uno de los temas más importantes en óptica”, cube Qihang Zhang PhD ’23, investigador asociado de la Universidad de Tsinghua. “Al avanzar en el análisis de la luz dispersa, también inventamos una herramienta útil para la industria farmacéutica. Localizar el punto débil y resolverlo investigando la regla basic es lo más emocionante para el equipo de investigación”.
El artículo propone un nuevo método de estimación de PSD, basado en ingeniería de pupilas, que cut back la cantidad de fotogramas necesarios para el análisis. “Nuestro modelo basado en el aprendizaje puede estimar la distribución del tamaño del polvo a partir de una única imagen moteada, reduciendo en consecuencia el tiempo de reconstrucción de 15 segundos a tan solo 0,25 segundos”, explican los investigadores.
“Nuestra principal contribución en este trabajo es acelerar 60 veces un método de detección del tamaño de partículas, con una optimización colectiva tanto del algoritmo como del {hardware}”, cube Zhang. “Esta sonda de alta velocidad es capaz de detectar la evolución del tamaño en sistemas dinámicos rápidos, proporcionando una plataforma para estudiar modelos de procesos en la industria farmacéutica, incluidos el secado, la mezcla y la combinación”.
La técnica ofrece una sonda de tamaño de partículas no invasiva y de bajo costo que recoge la luz retrodispersada de las superficies del polvo. El prototipo compacto y portátil es suitable con la mayoría de sistemas de secado del mercado, siempre que cuente con una ventana de observación. Este enfoque de medición en línea puede ayudar a controlar los procesos de fabricación, mejorando la eficiencia y la calidad del producto. Además, la anterior falta de seguimiento en línea impidió el estudio sistemático de modelos dinámicos en los procesos de fabricación. Esta sonda podría aportar una nueva plataforma para llevar a cabo investigaciones en serie y modelización de la evolución del tamaño de las partículas.
Este trabajo, una exitosa colaboración entre físicos e ingenieros, se genera a partir del programa MIT-Takeda. Los colaboradores están afiliados a tres departamentos del MIT: Ingeniería Mecánica, Ingeniería Química e Ingeniería Eléctrica e Informática. George Barbastathis, profesor de ingeniería mecánica en el MIT, es el autor principal del artículo.
