Des chercheurs développent un nouvel estimateur basé sur l’IA pour la fabrication de médicaments

Lorsque les sociétés médicales fabriquent les pilules et les comprimés qui traitent un certain nombre de maladies, de maux et de douleurs, elles doivent isoler l’ingrédient pharmaceutique actif d’une suspension et la sécher. Le processus nécessite qu’un opérateur humain surveille un séchoir industriel, agite le matériau et veille à ce que le composé prenne les bonnes qualités pour se comprimer en médicament. Le travail dépend fortement des observations de l’opérateur.

Les méthodes pour rendre ce processus moins subjectif et beaucoup plus efficace font l’objet d’une étude récente Communication Nature article rédigé par des chercheurs du MIT et de Takeda. Les auteurs de l’article conçoivent un moyen d’utiliser la physique et l’apprentissage automatique pour catégoriser les surfaces rugueuses qui caractérisent les particules dans un mélange. La technique, qui utilise un estimateur basé sur l’autocorrélation amélioré par la physique (PEACE), pourrait modifier les processus de fabrication pharmaceutique des pilules et des poudres, en augmentant l’efficacité et la précision et en réduisant le nombre de lots de produits pharmaceutiques défectueux.

« Les lots échoués ou les étapes ratées du processus pharmaceutique sont très graves », déclare Allan Myerson, professeur de pratique au département de génie chimique du MIT et l’un des auteurs de l’étude. « Tout ce qui améliore la fiabilité de la fabrication pharmaceutique, réduit le temps et améliore la conformité est un gros problème. »

Le travail de l’équipe fait partie d’une collaboration continue entre Takeda et MIT, lancée en 2020. Le programme MIT-Takeda vise à tirer parti de l’expérience du MIT et de Takeda pour résoudre des problèmes à l’intersection de la médecine, de l’intelligence artificielle et des soins de santé.

Dans la fabrication pharmaceutique, déterminer si un composé est correctement mélangé et séché nécessite généralement l’arrêt d’un séchoir de taille industrielle et le prélèvement d’échantillons hors de la chaîne de fabrication pour les tests. Les chercheurs de Takeda pensaient que l’intelligence artificielle pourrait améliorer la tâche et réduire les arrêts qui ralentissent la production.

À l’origine, l’équipe de recherche prévoyait d’utiliser des vidéos pour former un modèle informatique afin de remplacer un opérateur humain. Mais déterminer quelles vidéos utiliser pour former le modèle s’est avéré encore trop subjectif. Au lieu de cela, l’équipe MIT-Takeda a décidé d’éclairer les particules avec un laser pendant la filtration et le séchage, et de mesurer la distribution granulométrique à l’aide de la physique et de l’apprentissage automatique.

« Nous faisons simplement briller un faisceau laser au-dessus de cette surface de séchage et observons », explique Qihang Zhang, doctorant au département de génie électrique et informatique du MIT et premier auteur de l’étude.

Une équation dérivée de la physique décrit l’interaction entre le laser et le mélange, tandis que l’apprentissage automatique caractérise la taille des particules. Le processus ne nécessite pas d’arrêter et de démarrer le processus, ce qui signifie que l’ensemble du travail est plus sûr et plus efficace que la procédure d’exploitation standard, selon George Barbastathis, professeur de génie mécanique au MIT et auteur correspondant de l’étude.

L’algorithme d’apprentissage automatique ne nécessite pas non plus de nombreux ensembles de données pour apprendre son travail, car la physique permet une formation rapide du réseau neuronal.

« Nous utilisons la physique pour compenser le manque de données d’entraînement, afin de pouvoir entraîner le réseau neuronal de manière efficace », explique Zhang. « Seule une infime quantité de données expérimentales suffit pour obtenir un bon résultat. »

Aujourd’hui, les seuls procédés en ligne utilisés pour les mesures de particules dans l’industrie pharmaceutique concernent les produits en suspension, où les cristaux flottent dans un liquide. Il n’existe aucune méthode pour mesurer les particules dans une poudre pendant le mélange. Les poudres peuvent être fabriquées à partir de boues, mais lorsqu’un liquide est filtré et séché, sa composition change, nécessitant de nouvelles mesures. En plus de rendre le processus plus rapide et plus efficace, l’utilisation du mécanisme PEACE rend le travail plus sûr car il nécessite moins de manipulation de matériaux potentiellement très puissants, selon les auteurs.

Les ramifications pour la fabrication pharmaceutique pourraient être importantes, permettant à la production de médicaments d’être plus efficace, durable et rentable, en réduisant le nombre d’expériences que les entreprises doivent mener lors de la fabrication de produits. Selon Charles Papageorgiou, directeur du groupe Process Chemistry Development de Takeda et l’un des auteurs de l’étude, la surveillance des caractéristiques d’un mélange de séchage est un problème avec lequel l’industrie se débat depuis longtemps.

« C’est un problème que beaucoup de gens essaient de résoudre, et il n’y a pas de bon capteur », déclare Papageorgiou. « C’est un changement assez important, je pense, en ce qui concerne la capacité de surveiller, en temps réel, la distribution de la taille des particules. »

Papageorgiou a déclaré que le mécanisme pourrait avoir des applications dans d’autres opérations pharmaceutiques industrielles. À un moment donné, la technologie laser peut être en mesure de former l’imagerie vidéo, permettant aux fabricants d’utiliser une caméra pour l’analyse plutôt que des mesures laser. La société travaille actuellement à évaluer l’outil sur différents composés dans son laboratoire.

Les résultats proviennent directement de la collaboration entre Takeda et trois départements du MIT : génie mécanique, génie chimique et génie électrique et informatique. Au cours des trois dernières années, des chercheurs du MIT et de Takeda ont travaillé ensemble sur 19 projets axés sur l’application de l’apprentissage automatique et de l’intelligence artificielle aux problèmes de l’industrie médicale et de la santé dans le cadre du programme MIT-Takeda.

Il faut souvent des années pour que la recherche universitaire se traduise en processus industriels. Mais les chercheurs espèrent que la collaboration directe pourrait raccourcir ce délai. Takeda est à distance de marche du campus du MIT, ce qui a permis aux chercheurs de mettre en place des tests dans le laboratoire de l’entreprise, et les commentaires en temps réel de Takeda ont aidé les chercheurs du MIT à structurer leurs recherches en fonction de l’équipement et des opérations de l’entreprise.

La combinaison de l’expertise et de la mission des deux entités aide les chercheurs à s’assurer que leurs résultats expérimentaux auront des implications dans le monde réel. L’équipe a déjà déposé deux brevets et prévoit d’en déposer un troisième.

Cette histoire est republiée avec l’aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l’actualité de la recherche, de l’innovation et de l’enseignement au MIT.