Машинное обучение (ML) революционизирует фармацевтическую отрасль, позволяя производителям лекарств оптимизировать процессы разработки, производства и контроля качества. ML, особая форма искусственного интеллекта, предполагает, что компьютерные программы учатся решать задачи или понимать сложные системы без явных инструкций. С увеличением объема данных алгоритмы, на которых функционирует ML, становятся более эффективными и точными.
Одна из индустриальных экспертов подчеркивает, что для внедрения ML на производственной площадке производителям должны быть доступны достаточные учебные данные. Датчики процесса играют ключевую роль в предоставлении этих данных, особенно в высоко сложных клеточных культурах. Эти датчики должны быть достаточно сложными, чтобы отслеживать несколько параметров в режиме реального времени. Более того, они должны быть неинвазивными, чтобы обеспечить предотвращение загрязнения в биофармацевтических процессах.
Для решения этих проблем ученые из Университета Мэриленда в Балтиморском графстве разработали неинвазивный датчик для мониторинга уровня CO2 в клеточной культуре. Этот датчик использует проницаемую силиконовую мембрану для измерения скорости диффузии газа, что позволяет избежать необходимости инвазивного оборудования для отбора проб.
В то время как наличие данных о процессе в реальном времени может быть ограничено для новых процессов, ML все равно можно применять эффективно. Путем объединения данных датчиков с механистическими моделями алгоритмы ML могут быть обучены оценивать критически важные атрибуты качества с ограниченным объемом данных. Например, исследователи разработали метод на основе машинного обучения, который оценивает чистоту, активность и качество белка, используя только данные о давлении и УФ-профилях.
Интеграция ML в фармацевтическую отрасль имеет огромный потенциал. По мере совершенствования алгоритмов ML они позволят производителям упростить мониторинг процесса, сократить необходимость проведения обширных контрольных испытаний качества и оптимизировать общую эффективность производства. Благодаря использованию силы искусственного интеллекта и машинного обучения фармацевтическая отрасль готова достичь новых уровней инновации и успеха.
The source of the article is from the blog coletivometranca.com.br