ỨNG DỤNG MẠNG NƠ-RON NHÂN TẠO ĐỂ PHÂN TÍCH ĐỒNG THỜI CÁC HOẠT CHẤT TRONG THUỐC ĐA THÀNH PHẦN
Từ khóa:
Artificial Neural Networks, thuốc đa thành phần, UV-VisTóm tắt
Mục tiêu: Tối ưu mô hình mạng nơ-ron nhân tạo để xác định đồng thời trong chế phẩm; ứng dụng mô hình mạng nơ-ron nhân tạo để phân tích đồng thời hoạt chất có trong thuốc đa thành phần. Phương pháp nghiên cứu: Các dung dịch chuẩn của Metronidazol (MTZ), Spiramycin (SPI), Ezetimib (EZE), Atorvastatin calcium (ATO), Bisoprolol fumarate (BIS) và Hydrochlorothiazid (HCT) được pha trong Methanol để chuẩn bị các dung dịch chuẩn gốc phù hợp. Các mẫu chuẩn hỗn hợp được xây dựng theo thiết kế giai thừa đầy đủ và thiết kế phức hợp trung tâm, sau đó quét phổ UV-Vis trong khoảng bước sóng phù hợp với từng chế phẩm. Dữ liệu phổ được sử dụng để xây dựng mô hình ANN truyền thẳng nhiều lớp với thuật toán Adam và hàm kích hoạt ReLU. Mô hình được tối ưu về số bước sóng đầu vào, số lớp ẩn, số nơ-ron và tốc độ học. Hiệu năng mô hình được đánh giá bằng RMSEC, RMSECV và R². Phương pháp được thẩm định về độ đúng, độ chính xác theo AOAC; kết quả định lượng mẫu thực tế được so sánh với HPLC hoặc phương pháp vi sinh bằng kiểm định t. Kết quả: Các mô hình ANN tối ưu cho MTZ, SPI, EZE, ATO, BIS và HCT lần lượt có cấu trúc 41-96-32-1, 41-64-1, 35-96-1, 35-64-32-1, 29-53-1 và 40-56-6-1. Mô hình cho khả năng dự đoán tốt với R² đạt 0,9945–0,9999 và RMSECV dao động 0,0744–0,7194. Tỷ lệ thu hồi của các hoạt chất nằm trong khoảng 90–107%; RSD% của độ lặp lại và độ chính xác trung gian đều thấp hơn giới hạn cho phép. Kết quả định lượng bằng ANN trên mẫu thực tế không khác biệt có ý nghĩa thống kê so với phương pháp tham chiếu (p>0,05). Kết luận: Mô hình mạng nơ-ron nhân tạo có độ chính xác và độ tin cậy cao tương đương với phương pháp tham chiếu, có tiềm năng ứng dụng rộng rãi trong các phòng thí nghiệm kiểm soát chất lượng dược phẩm, giúp giảm chi phí và thời gian phân tích trong khi vẫn duy trì độ tin cậy.
Tài liệu tham khảo
1. Bell DSH. Combine and conquer: advantages and disadvantages of fixed-dose combination therapy. Diabetes Obes Metab. 2013;15(4):291-300. DOI: 10.1111/dom.12015
2. Wilkins CA, Hamman H, Hamman JH, Steenekamp JH. Fixed-dose combination formulations in solid oral drug therapy: advantages, limitations, and design features. Pharmaceutics. 2024;16(2):178. DOI: 10.3390/pharmaceutics16020178
3. Fang Z, Zhang H, Guo J, Guo J. Overview of therapeutic drug monitoring and clinical practice. Talanta. 2024;266(Pt 1):124996. DOI: 10.1016/j.talanta.2023.124996
4. Elsonbaty A, Serag A, Abdulwahab S, Hassan WS, Eissa MS. Analysis of quinary therapy targeting multiple cardiovascular diseases using UV spectrophotometry and chemometric tools. Spectrochim Acta A Mol Biomol Spectrosc. 2020;238:118415. DOI: 10.1016/j.saa.2020.118415
5. Arabzadeh V, Sohrabi MR, Goudarzi N, Davallo M. Using artificial neural network and multivariate calibration methods for simultaneous spectrophotometric analysis of emtricitabine and tenofovir alafenamide fumarate in pharmaceutical formulation of HIV drug. Spectrochim Acta A Mol Biomol Spectrosc. 2019;215:266-275. DOI: 10.1016/j.saa.2019.02.077
6. Mamouei M, Budidha K, Baishya N, Qassem M, Kyriacou PA. An empirical investigation of deviations from the Beer-Lambert law in optical estimation of lactate. Sci Rep. 2021;11:13734. DOI: 10.1038/s41598-021-92850-4
7. Ganadu ML, Lubinu G, Tilocca A, Amendolia SR. Spectroscopic identification and quantitative analysis of binary mixtures using artificial neural networks. Talanta. 1997;44:1901-1909. DOI: 10.1016/S0039-9140(97)00088-X
8. Dastres R, Soori M. Artificial neural network systems. International Journal of Imaging and Robotics. 2021;21(2):13-25.
9. Shahlaei M, Andisheh H, Derakhshandeh K, SadrJavadi K, Azami M. A novel method for simultaneous determination of codeine and acetaminophen in plasma by combination of UV Vis spectroscopy and artificial neural network. J Rep Pharm Sci. 2014;3(2):141-158. DOI: 10.4103/2322-1232.222557
10. Serag A, Abduljabbar MH, Althobaiti YS, et al. UV-Vis spectroscopy coupled with firefly algorithm-enhanced artificial neural networks for the determination of propranolol, rosuvastatin, and valsartan in ternary mixtures. Sci Rep. 2025;15:10838. DOI: 10.1038/s41598-025-89187-7
11. Vu GTT, Phan NT, Nguyen HT, et al. Application of the artificial neural network to optimize the formulation of self-nanoemulsifying drug delivery system containing rosuvastatin. J Appl Pharm Sci. 2020;10(9):001-011. DOI: 10.7324/JAPS.2020.10901
12. Kramer R. Chemometric Techniques for Quantitative Analysis. 1st ed. CRC Press; 1998. DOI: 10.1201/9780203909805
13. Cirovic DA. Feed-forward artificial neural networks: applications to spectroscopy. TrAC Trends Anal Chem. 1997;16(3):148-155. DOI: 10.1016/s0165-9936(97)00007-1
Lượt tải xuống
Ngày Xuất bản
Số
Chuyên mục
Giấy phép
Bản quyền (c) 2026 Lê Thùy Trang Phan, Hạ Vy Đặng, Hoàng Nhân Trịnh, Lê Minh Hằng Nguyễn, Thị Hải Yến Nguyễn, Duy Lưu Nguyễn (Tác giả)
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0 Quốc tế.
