Para peneliti MIT dan perusahaan farmasi Takeda bekerja sama untuk mengembangkan metode pembelajaran mesin yang ditingkatkan secara fisik yang mengklasifikasikan permukaan kasar dalam campuran dan dapat digunakan untuk melacak pengeringan obat.
Untuk memastikan bahwa senyawa adalah kualitas yang benar untuk dikompres menjadi obat, metode saat ini bergantung pada operator manusia untuk memantau pengering industri dan campuran komponen. Namun, prosedur ini subjektif, memakan waktu, dan dapat mengakibatkan serangkaian produk farmasi yang tidak bekerja.
Penilaian berdasarkan autocorrelation (PEACE), metode baru, menggunakan laser untuk memancarkan partikel selama penyaringan dan pengeringan.
Persamaan yang diambil dari fisika digunakan untuk mengukur ukuran partikel, sedangkan pembelajaran mesin atau pembelajaran mesin digunakan untuk menjelaskan interaksi antara laser dan campuran.
Pengawasan real-time distribusi ukuran partikel dimungkinkan oleh PEACE selama pengeringan, meminimalkan kebutuhan untuk menghentikan dan memulai kembali proses dan meningkatkan keandalan, termasuk efektivitas manufaktur farmasi.
Penting untuk berhenti menggunakan pengering ukuran industri dan menghapus sampel dari jalur produksi untuk pengujian untuk menentukan apakah komponen secara rutin dikombinasikan dan dikeringkan dengan benar.
Para peneliti awalnya bermaksud menggunakan video untuk melatih model komputer untuk mengambil posisi operator manusia, tetapi memilih video yang tepat untuk digunakan untuk model pelatihan terbukti terlalu subjektif.
Sebagai alternatif untuk SOP, mereka menggunakan PEACE, yang meningkatkan keamanan dan efektivitas kerja.
Dengan membutuhkan lebih sedikit pengolahan bahan yang berpotensi sangat kuat, menggunakan mekanisme PEACE tidak hanya mempercepat dan meningkatkan proses tetapi juga membuat pekerjaan lebih aman.
Saat ini, produk mentega, di mana kristal mengambang dalam cairan, adalah satu-satunya prosedur inline yang digunakan untuk pemantauan partikel di sektor farmasi. Tidak ada cara untuk mengukur partikel bubuk saat sedang dicampur.
Dengan mengurangi jumlah tes yang perlu dilakukan saat mengembangkan produk, implikasi untuk produksi farmasi bisa sangat besar, memungkinkan produksi obat menjadi lebih efisien, berkelanjutan, dan terjangkau.
Salah satu penulis studi dan direktur tim penelitian Pengembangan Kimia Proses Takeda, Charles Papageorgiou, mengklaim bahwa teknik ini dapat digunakan dalam proses industri farmasi lainnya.
Program MIT-Takeda, yang bertujuan untuk menggabungkan keahlian MIT dan Takeda dalam pemecahan masalah di bidang kedokteran, kecerdasan buatan, dan perawatan kesehatan, termasuk kemitraan antara Takeda dan sejumlah departemen MIT.
Selama tiga tahun terakhir, program ini telah bekerja pada 19 proyek, menggunakan pembelajaran mesin dan kecerdasan buatan untuk mengatasi masalah di sektor kesehatan dan medis. Kelompok ini telah mengajukan permohonan untuk dua paten dan akan segera mengirimkan yang ketiga.
Para peneliti berharap bahwa kolaborasi langsung dapat mengurangi waktu yang dibutuhkan untuk penelitian akademis diterjemahkan ke dalam proses industri, yang seringkali membutuhkan waktu bertahun-tahun.
Karena Takeda dekat dengan kampus MIT, para peneliti dapat melakukan eksperimen di sana dan menerima tanggapan segera.
Sesuai dengan alat dan metode perusahaan, Takeda juga membantu para peneliti MIT dalam merencanakan penelitian mereka. Para peneliti dapat meningkatkan kemungkinan bahwa kesimpulan dari tes mereka akan memiliki aplikasi praktis dengan menggabungkan pengetahuan dan tujuan dari kedua organisasi.
