Flerskalig modellering och AI-baserad prediktion av partikelbildning och interaktioner som styr inhalationspulverprestanda
Att öka vår grundläggande förståelse av hur partikelegenskaper och partikelinteraktioner styr pulverbeteendet i inhalationssystem
Grundinformation
- Finansiär: Vinnova
Beskrivning
Forskare: Saaransh Saxena, doktorand
Ansvarig forskare: Professor Göran Frenning, institutionen för farmaceutisk biovetenskap, Uppsala universitet
Vetenskapligt och industriellt sammanhang. Prestanda hos formuleringar för torrpulver-inhalatorer är starkt beroende av pulvrets flytbarhet och dispergerbarhet. Dessa egenskaper styrs av partikelmorfologi, ytkomposition och partikelinteraktioner, vilka i sin tur påverkas av partikelbildningsprocesser såsom spraytorkning. Trots deras stora betydelse för tillverkning och tillförsel av läkemedel saknas fortfarande tillräcklig kunskap om grundläggande samband mellan partikelbildningsmekanismer, partikelegenskaper och bulkpulverbeteende. Nya framsteg inom artificiell intelligens och maskininlärning (AI/ML) i kombination med mekanistiska modelleringsmetoder, möjliggör att belysa och kvantifiera dessa komplexa samband samt förbättrar den prediktiva förmågan för farmaceutiska pulversystem..
Syfte. Att utveckla en mekanistisk och prediktiv förståelse av de faktorer som styr flytbarhet och dispergerbarhet hos inhalationspulver. Forskningen undersöker hur partikelegenskaper – inklusive interaktioner mellan partiklar och partikelmorfologi som uppstår under partikelbildningsprocesser – påverkar det makroskopiska beteendet hos pulver med relevans för inhalationsformuleringar. Genom att kombinera mekanistisk förståelse med AI/ML-baserade prediktiva metoder samt stödja dessa med riktade experimentella studier, syftar projektet till att etablera kvantitativa samband mellan partikelegenskaper och bulkpulverprestanda, vilket möjliggör mer rationell design och optimering av inhalationspulver.
Resultat. Projektet förväntas bidra till vår grundläggande förståelse av hur partikelegenskaper och partikelinteraktioner styr pulverbeteendet i inhalationssystem. Resultaten kommer att bidra till utveckling av prediktiva verktyg och formuleringstrategier för inhalationspulver med förbättrad tillverkningsbarhet, robusthet och aerosol prestanda.