La industria farmacéutica lleva mucho tiempo luchando con el problema de controlar las características de una mezcla de secado, un paso fundamental en la producción de medicamentos y compuestos químicos. En la actualidad, se suelen utilizar dos métodos de caracterización no invasivos: 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). El primero requiere mucho tiempo y genera más residuos, lo que hace que el segundo sea una opción más atractiva.
En los últimos años, los ingenieros e investigadores del MIT desarrollaron un método de luz dispersa basado en la física y el aprendizaje automático que ha demostrado mejorar los procesos de fabricación de píldoras y polvos farmacéuticos, aumentando la eficiencia y la precisión y dando como resultado menos lotes de productos fallidos. Un nuevo artículo de acceso abierto, «Estimación no invasiva de la distribución del tamaño del polvo a partir de una sola imagen de motas», disponible en la revista Luz: ciencia y aplicacionesamplía este trabajo, introduciendo un enfoque aún más rápido.
“Comprender el comportamiento de la luz dispersa es uno de los temas más importantes en óptica”, afirma Qihang Zhang, PhD ’23, investigador asociado en la Universidad de Tsinghua. “Al avanzar en el análisis de la luz dispersa, también inventamos una herramienta útil para la industria farmacéutica. Localizar el problema y resolverlo investigando la regla fundamental 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 reduce el número 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 de moteado, reduciendo así el tiempo de reconstrucción de 15 segundos a tan solo 0,25 segundos”, explican los investigadores.
“Nuestra principal contribución en este trabajo es acelerar un método de detección del tamaño de partículas 60 veces, con una optimización colectiva tanto del algoritmo como del hardware”, afirma Zhang. “Esta sonda de alta velocidad es capaz de detectar la evolución del tamaño en sistemas dinámicos rápidos, lo que proporciona 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 partícula no invasiva y de bajo costo que recoge la luz retrodispersada de las superficies del polvo. El prototipo compacto y portátil es compatible con la mayoría de los sistemas de secado del mercado, siempre que haya 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 falta anterior de monitoreo en línea impidió el estudio sistemático de modelos dinámicos en los procesos de fabricación. Esta sonda podría brindar una nueva plataforma para realizar investigaciones y modelado en serie para la evolución del tamaño de partícula.
Este trabajo, una colaboración exitosa entre físicos e ingenieros, se generó a partir del programa MIT-Takeda. Los colaboradores están afiliados a tres departamentos del MIT: Ingeniería mecánica, Ingeniería química e Ingeniería eléctrica y Ciencias de la computación. George Barbastathis, profesor de ingeniería mecánica en el MIT, es el autor principal del artículo.
