Die pharmazeutische Fertigungsindustrie hat schon lange mit der Überwachung der Eigenschaften einer Trockenmischung zu kämpfen, einem kritischen Schritt bei der Herstellung von Medikamenten und chemischen Verbindungen. Derzeit werden typischerweise zwei nichtinvasive Charakterisierungsmethoden verwendet: Eine Probe wird entweder abgebildet und einzelne Partikel werden gezählt, oder Forscher verwenden Streulicht, um die Partikelgrößenverteilung (PSD) zu schätzen. Ersteres ist zeitintensiv und führt zu mehr Abfall, weshalb letzteres eine attraktivere Possibility darstellt.
In den letzten Jahren entwickelten Ingenieure und Forscher des MIT eine Physik- und maschinenlernbasierter Streulichtansatz Dies hat sich als Verbesserung der Herstellungsprozesse für pharmazeutische Pillen und Pulver erwiesen, indem es die Effizienz und Genauigkeit erhöht und zu weniger fehlerhaften Produktchargen führt. Ein neues Open-Entry-Papier, „Nichtinvasive Schätzung der Pulvergrößenverteilung aus einem einzelnen Speckle-Bild”, erhältlich in der Zeitschrift Licht: Wissenschaft und Anwendungerweitert diese Arbeit und führt einen noch schnelleren Ansatz ein.
„Das Verhalten von Streulicht zu verstehen, ist eines der wichtigsten Themen in der Optik“, sagt Qihang Zhang PhD ’23, assoziierter Forscher an der Tsinghua-Universität. „Durch die Fortschritte bei der Analyse von Streulicht haben wir auch ein nützliches Werkzeug für die Pharmaindustrie erfunden. Den Schwachpunkt zu lokalisieren und ihn durch die Untersuchung der Grundregel zu lösen, ist für das Forschungsteam das Spannendste.“
Das Papier schlägt eine neue PSD-Schätzmethode vor, die auf Pupillentechnik basiert und die Anzahl der für die Analyse benötigten Frames reduziert. „Unser lernbasiertes Modell kann die Pulvergrößenverteilung aus einem einzigen Speckle-Schnappschuss schätzen und so die Rekonstruktionszeit von 15 Sekunden auf lediglich 0,25 Sekunden reduzieren“, erklären die Forscher.
„Unser Hauptbeitrag in dieser Arbeit ist die 60-fache Beschleunigung einer Methode zur Partikelgrößenerkennung durch eine gemeinsame Optimierung von Algorithmus und {Hardware}“, sagt Zhang. „Diese Hochgeschwindigkeitssonde kann die Größenentwicklung in schnellen dynamischen Systemen erkennen und bietet eine Plattform zum Studium von Prozessmodellen in der pharmazeutischen Industrie, einschließlich Trocknen, Mischen und Vermengen.“
Die Technik bietet eine kostengünstige, nichtinvasive Partikelgrößensonde, indem sie von Pulveroberflächen zurückgestreutes Licht sammelt. Der kompakte und tragbare Prototyp ist mit den meisten Trocknungssystemen auf dem Markt kompatibel, solange ein Beobachtungsfenster vorhanden ist. Dieser On-line-Messansatz kann zur Steuerung von Herstellungsprozessen beitragen und so die Effizienz und Produktqualität verbessern. Darüber hinaus verhinderte das bisherige Fehlen einer On-line-Überwachung die systematische Untersuchung dynamischer Modelle in Herstellungsprozessen. Diese Sonde könnte eine neue Plattform für die Durchführung von Serienforschung und Modellierung der Partikelgrößenentwicklung bieten.
Diese Arbeit, eine erfolgreiche Zusammenarbeit zwischen Physikern und Ingenieuren, ist im Rahmen des MIT-Takeda-Programms entstanden. Die Mitarbeiter kommen aus drei MIT-Abteilungen: Maschinenbau, Chemieingenieurwesen sowie Elektrotechnik und Informatik. George Barbastathis, Professor für Maschinenbau am MIT, ist der Hauptautor des Artikels.