利用近红外光谱法控制颗粒状材料的包覆过程

在制药行业，许多颗粒制剂通过包衣实现药物或活性药物成分（API）的持续或控释，奥美拉唑就是一个典型的例子。本文将探讨这些缓释制剂，以及如何利用实时在线近红外光谱技术在包衣过程中优化药物释放时间和效力分析。

造粒工艺和传统分析

在缓释剂型的制粒过程中，包衣（例如，旨在防止胃消化或降解的肠溶包衣）的正确应用将决定药物的后续疗效和药物的mg/API释放时间，因此，在整个过程中都会进行控制，以确保质量，从而达到预期的药理作用。

目前，这种控制是在包衣过程中进行的，从包衣设备的不同时间点采集样品，并在实验室中采用高效液相色谱（HPLC）或液相色谱分析技术以及溶出度试验进行分析，以证明活性成分的释放令人满意。这两种方法都需要在分析前进行样品制备，需要专业人员和耗材，此外，溶出度试验也需要耗费数小时。溶出度试验的主要目的是测定药物的生物利用度，即给药后进入全身循环的药物相对量及其进入血液循环的速率。

因此，传统分析的主要问题是获取结果耗时较长，因此在涂层工艺出现故障时无法及时纠正，或者，在经常需要停止工艺进行取样的情况下，半成品的质量可能会发生改变。

近红外光谱技术是一种替代且非常有效的工具，可以实时监测包衣过程，因为无需借助传统方法，即可将每个药丸的光谱特征与其包衣条件、剂量和释放时间关联起来。

开发一种用于预测释放时间和效力的近红外光谱方法

为了开发一种预测模型，用于实时确定在 1、4 和 7 小时释放的药物的释放时间和效价（mg API/g 颗粒），某制药实验室采用在线近红外光谱分析仪进行了实验。

实验室提供的数据包括两种药物若干批次的近红外光谱图。其中一种药物基于抗组胺药，出于保密原因，我们将其称为“DS”；另一种药物基于维生素B6，出于同样的原因，我们将其称为“PH”。两种药物的活性成分均包含在构成载体的药丸包衣中。

在包衣过程的不同时间点，分别从湿样品和干样品中采集颗粒的光谱，同时对这些样品进行常规分析，以确定 1、4 和 7 小时的药物释放量和效价（mg PI/g）。

根据光谱数据建立的预测模型表明，采集光谱时无需干燥样品，因此可以直接在湿样品上进行控制，从而节省时间和操作，并且近红外光谱、功率和 1 小时、4 小时和 7 小时的释放时间之间存在明显的关系，我们将在下面看到。

PH化合物 - 涂层工艺和近红外光谱

表1：不同PH包衣工艺阶段样品在1、4、7小时释放量及效价预测模型的质量参数。*符号表示该模型是利用各样品重复实验的平均近红外光谱构建的

图 1： PH 的回归曲线 a) 所有样品；b) 批次 1、3、4 和 7；c) 批次 1、3、4 和 7 的平均光谱；d) 批次 7

DS化合物

表2显示了用于分析湿DS样品的模型质量参数。所有样品均同时进行研究：批次6、8和10的样品一起进行研究，批次6的样品单独进行研究。选择批次6、8和10进行批次组合研究，是因为它们包含的样品数量最多。此外，选择批次6进行单独分析，是因为它包含的样品数量最多，且具有本案例研究的最佳释放参数。

表 2 ：DS 包衣工艺不同阶段样品在 1、4、7 小时释放和效力预测模型的质量参数
图 2显示了活性物质 DS 的研究回归曲线。DS 模型的质量参数值总体上显示出良好的相关性。值得注意的是，当使用不同批次的数据时，误差会增大，这可能是因为每个批次的工艺条件不同，而这些数据又来源于生产工艺的开发和优化阶段。7小时释放量的预测结果比其他参数更差，这可能是因为在许多情况下，释放过程在此时间之前就已经结束了。