Nhóm các kỹ sư và nhà nghiên cứu từ Viện Công nghệ Massachusetts (MIT) và công ty dược phẩm Nhật Bản Takeda tại Mỹ đang sử dụng vật lý và máy học để phát triển các quy trình sản xuất mới cho thuốc viên và bột dược phẩm. Mục đích của công trình nghiên cứu nhằm tăng hiệu quả và độ chính xác đến các hạt dược phẩm, giảm thiểu các lô sản phẩm không đạt chất lượng.

Khi các công ty y tế sản xuất thuốc con nhộng và thuốc viên, điều trị các loại bệnh tật và tổn thương, nhà sản xuất cần tách hoạt chất dược phẩm ra khỏi hỗn hợp dịch lỏng sệt và làm khô thuốc bột. Quá trình này yêu cầu người vận hành phải giám sát máy sấy công nghiệp, khuấy trộn vật liệu và theo dõi hợp chất để đảm bảo chất lượng phù hợp để nén thành thuốc viên hay thuốc con nhộng. Công việc này phụ thuộc rất nhiều vào khả năng quan sát nhanh nhạy của người điều khiển.

Những phương pháp làm cho quá trình sản xuất thuốc giảm sự phụ thuộc vào con người và hiệu quả hơn là chủ đề của một nghiên cứu khoa học do các nhà khoa học và các kỹ sư tại MIT và Takeda thực hiện, được đăng gần đây trên Tạp chí Truyền thông Tự nhiên.

Các tác giả của nghiên cứu đã phát triển một phương pháp, sử dụng kỹ thuật vật lý và Máy học Trí tuệ Nhân tạo (AI) để phân loại những bề mặt gồ ghề đặc trưng cho các hạt trong hỗn hợp. Kỹ thuật sử dụng công cụ ước lượng dựa trên tự tương quan vật lý tăng cường (PEACE), có thể làm thay đổi quy trình sản xuất dược phẩm cho thuốc viên và bột, tăng hiệu quả và độ chính xác, đồng thời giảm số lô sản phẩm dược phẩm bị lỗi.

Allan Myerson, GS thực hành tại Khoa Kỹ thuật Hóa học MIT, một trong những tác giả của nghiên cứu cho biết: “Những lô hàng bị lỗi hoặc các bước thất bại trong quy trình sản xuất dược phẩm thường có ý nghĩa nghiêm trọng. Phương pháp làm tăng cường độ tin cậy của sản xuất dược phẩm, giảm thời gian và tăng cường sự tuân thủ quy trình có ý nghĩa vô cùng lớn.”

Đo kích thước hạt dược phẩm thời gian thực

Công trình nghiên cứu của nhóm nhà khoa học nằm trong khuôn khổ hợp tác giữa Takeda và MIT, được ra mắt vào năm 2020. Chương trình MIT-Takeda nhằm tận dụng kinh nghiệm của MIT và Takeda để giải quyết những vấn đề trọng tâm liên quan đến y học, Trí tuệ Nhân tạo và chăm sóc sức khỏe.

Trong sản xuất dược phẩm, việc xác định xem một hợp chất có được trộn và sấy khô đũng quy trình hay không thường buộc phải yêu cầu dừng máy sấy cỡ công nghiệp và lấy mẫu vật phẩm từ dây chuyền sản xuất để thử nghiệm.

Các nhà nghiên cứu tại Takeda cho rằng Trí tuệ Nhân tạo (AI) có thể hiện đại hóa nhiệm vụ này, giảm thiểu tình trạng ngừng trệ làm chậm quá trình sản xuất và gây ra các lô sản phẩm không đạt chất lượng. Ban đầu, nhóm nghiên cứu dự định sử dụng video để đào tạo một mô hình Máy học, theo dõi và điều chỉnh quy trình thay thế người vận hành. Nhưng việc xác định video nào sẽ được sử dụng để đào tạo mô hình AI vẫn phụ thuộc vào yếu tố con người. Thay vào đó, nhóm MIT-Takeda quyết định chiếu sáng các hạt bằng tia laser trong quá trình sàng lọc và làm khô, đồng thời đo sự phân bố kích thước hạt trong bột dược phẩm bằng vật lý và Máy học.

Qihang Zhang, nghiên cứu sinh TS tại Khoa Kỹ thuật Điện và Khoa học Máy tính của MIT, tác giả chính của nghiên cứu cho biết: “Chúng tôi chỉ chiếu một chùm tia laze lên trên bề mặt các hạt bột dược phẩm khô và quan sát.”

Các nhà khoa học sử dụng một phương trình từ vật lý, mô tả sự tương tác giữa tia laser và hỗn hợp các hạt, đồng thời đào tạo Máy học mô tả kích thước hạt để xác định bề mặt của thuốc viên. Theo George Barbastathis, GS kỹ thuật cơ khí tại MIT, tác giả của nghiên cứu, quy trình này không yêu cầu dừng và khởi động lại quy trình sấy khô bột được phẩm, toàn bộ qua trình sản xuất sẽ an toàn và hiệu quả hơn so với quy trình vận hành tiêu chuẩn hiện nay.

Thuật toán Máy học cũng không yêu cầu nhiều bộ dữ liệu để học cách mô tả kích thước các hạt, do đó kỹ thuật vật lý cho phép nhanh chóng đào tạo mô hình AI để xác định kích thước các hạt trong bột dược phẩm.

Nghiên cứu sinh TS Zhang cho biết: “Chúng tôi sử dụng vật lý để bù đắp cho tình trọng thiếu dữ liệu huấn luyện, nhờ đó có thể đào tạo mạng thần kinh hiệu quả.  Chỉ một lượng nhỏ dữ liệu thử nghiệm là đủ để có được kết quả cao.”

Ngày nay, các quy trình nội tuyến (công nghệ đo lường và kiểm soát quy trình) duy nhất được sử dụng để đo hạt trong ngành dược phẩm là dành cho các sản phẩm dạng lỏng sệt, trong đó các tinh thể dược phẩm nổi trong chất lỏng.

Không có phương pháp đo các hạt tạo thành hỗn hợp bột trong quá trình trộn. Bột có thể được tạo thành từ chất lỏng dạng sệt, nhưng khi chất lỏng được lọc và làm khô, tỷ lệ thành phần của các hạt sẽ thay đổi, đòi hỏi những phép đo mới. Các tác giả cũng cho biết, ngoài khả năng làm cho quy trình sản xuất thuốc nhanh và hiệu quả hơn, sử dụng cơ chế PEACE giúp công việc an toàn hơn do quy trình kiểm tra chất lượng trộn không yêu cầu phải tiếp xúc với vật liệu có tác động nguy hiểm đến sức khỏe con người.

Phương pháp đo mới đối với sản xuất dược phẩm có thể có ý nghĩa rất lớn, khiến cho quy trình sản xuất thuốc trở nên hiệu quả, bền vững và tiết kiệm chi phí hơn nhờ giảm số lượng thử nghiệm mà các công ty phải tiến hành trong quá trình sản xuất sản phẩm.

Theo Charles Papageorgiou, giám đốc nhóm Phát triển Quy trình Hóa học của Takeda, đồng tác giả nghiên cứu cho biết, quy trình theo dõi và giám sát những đặc tính của hỗn hợp bột sấy khô là một vấn đề mà ngành công nghiệp dược phẩm đã nỗ lực tìm cách giải quyết từ lâu.

Ông Papageorgiou nói: “Đó là một vấn đề mà rất nhiều nhà khoa học đang cố gắng giải quyết nhưng chưa đưa ra được một giải pháp hiệu quả. Tôi nghĩ đây là một sự thay đổi lớn, liên quan đến khả năng giám sát, trong thời gian thực, sự phân bố kích thước hạt và tỷ lệ, từ đó xác định được chất lượng của thuốc thu được trong quá trình sản xuất.”

Papageorgiou cho biết, kỹ thuật này có thể có ứng dụng trong các quy trình sản xuất dược phẩm khác nhau. Bước nghiên cứu tiếp theo, phép đo laser có thể được sử dụng để đào tạo mô hình AI xử lý các hình ảnh video, cho phép nhà sản xuất sử dụng camera để phân tích thay vì sử dụng phép đo laser và thu được những thông số kỹ thuật quan trọng xác định chất lượng dược phẩm. Công ty hiện đang nghiên cứu để phát triển công cụ AI này trên những hợp chất khác nhau trong phòng thí nghiệm, sử dụng phép đo laser để kiểm chứng, tạo dữ liệu cho Máy học.

Kết quả thu được là sự hợp tác nghiên cứu giữa Takeda và 3 bộ phận của MIT: Khoa Cơ khí, Khoa Kỹ thuật hóa học, Kỹ thuật điện và Khoa Khoa học máy tính. Trong 3 năm qua, các nhà nghiên cứu tại MIT và Takeda đã phối hợp chặt chẽ trong 19 dự án tập trung vào ứng dụng Trí tuệ Nhân tạo giải quyết những vấn đề trong ngành chăm sóc sức khỏe và y tế trong khuôn khổ của Chương trình hợp tác MIT-Takeda.

Thông thường, có thể mất nhiều năm để nghiên cứu hàn lâm chuyển thành những quy trình công nghiệp. Nhưng các nhà nghiên cứu hy vọng, sự hợp tác trực tiếp có thể rút ngắn thời gian đó. Takeda cách khuôn viên của MIT một đoạn đường ngắn, cho phép các nhà nghiên cứu thiết lập những thử nghiệm trong phòng thí nghiệm của công ty và phản hồi thời gian thực nhanh chóng từ Takeda giúp các nhà khoa học của MIT thiết lập cấu trúc nghiên cứu phù hợp với thiết bị và hoạt động của công ty.

Kết hợp chuyên môn và nhiệm vụ của cả hai đơn vị giúp các nhà nghiên cứu đảm bảo kết quả thử nghiệm có ý nghĩa trong thế giới thực. Nhóm nghiên cứu MIT-Takeda đã nộp đơn xin cấp 2 bằng sáng chế và có kế hoạch nộp đơn thứ ba cho nghiên cứu sử dụng kỹ thuật vật lý để đào tạo mô hình AI xử lý hình ảnh camera độ nét cao.