Application of artificial neural networks in development of an analgesic solid dosage form and prediction of analysis results

Abstract

Bu çalışmada ülkemiz ve dünyada en önemli sektörlerden biri olan ilaç sektöründe, Ar-Ge çalışmaları kapsamında ilaç ürünü geliştirme sürecini hızlı, etkin ve güvenilir kılmak adına; tekrarlanan stabilite çalışmalarının daha kolay ve hızlı bir şekilde revize edilmesini sağlayacak olan makine öğrenmesi yöntemi ile katı dozaj formlarının fiziksel stabilitesinin tahmin edilmesi üzerine çalışmalar yapılmıştır. Bu tezde ilk aşamada, ilaç ürününün stabilitesinde belirgin bir sorun olarak üzerine çalışılan sertlik artışı ve buna bağlı olarak nem artışı ele alınmıştır. Sık ve kısa süreli stabiliteye kaldırılan ilaç ürünü, farklı ambalajlarla, farklı sıcaklıklara maruz bırakılmıştır. Aynı zamanda ilaç ürününün stabilitesini etkileyen parametrenin, inproses aşamasında nem değeri olabileceği düşünülerek, farklı granül nemi değerleri için de analizlenmiştir. Elde edilen veriler, hem Ar-Ge faaliyetlerinde kimyasal analiz sürecinin belirlenmesinde, hem geliştirme sürecinin sektör için en önemli parametrelerinden biri olan "zaman &maliyet" parametrelerini etkileyecektir. Aynı zamanda elde edilen veriler, ikinci aşama çalışmalarımızda kullanılmıştır. Birinci aşamada üç parametre için (nem, dağılma ve sertlik) analizler yapılarak veri toplanmıştır. İkinci aşamada ise bu verilerin tahmini regresyon analizleri, makine öğrenmesi metotları olan "Karar Ağacı", "Rastgele Karar Ormanları" ve "Genelleştirilmiş Toplamsal Model" kullanılarak tahmin edilmiştir.In this study, it is aimed to make the drug product development process fast, effective and reliable within the scope of R&D studies in industry of pharmaceutical, which is the most important work area in Türkiye and in the world. Studies have been implement on the estimation of the physical stability of solid dosage forms with the machine learning method, which make possible repeated stability studies to be revised more readily and quickly In this thesis, at the first stage, the increase in hardness, which is a significant problem in stability of drug product, accordingly the increase of moisture are discussed. The drug product, which was stabilized frequently and for a short time, was exposed to temperatures with different packages. At the same time, considering that the parameter affecting the stability of the DP may the moisture value in the inprocess stage, it analyzed for different granule moisture values. The data obtained affect both the determination of the chemical analysis process in R&D activities and the "time &cost" parameters, which are one of the most important parameters of the development process for the industry. At the same time, the data obtained were used in the second stage studies. In the first stage, data were collected by performing analyzes for three parameters (moisture, dispersion and hardness). In the second stage, the estimation of these data was provided. For this purpose, regression analyzes were performed. Then, it was estimated using machine learning methods "Decision Tree", "Random Decision Forest" and "Generalized Additive Model".