神经网络多目标同步优化HPMC缓释片处方

目的　通过建立BP神经网络模型,预测HPMC缓释片中药物释放;并和优化算法结合实现缓释片处方的多目标同步优化。方法　选取溶解度为难溶到略溶的5种药物(别嘌醇,甲氧苄氨嘧啶,阿昔洛韦,替硝唑,对乙酰氨基酚)作为模型药物,压制HPMC骨架片,并进行体外释放情况考察,考察52个处方中药物的溶解度、含药量、HPMC的量、HPMC的固有黏度、辅料的量、黏合剂的浓度、溶出仪的转速对药物释放情况的影响。将各因素作为神经网络的输入,药物的累计释放量作为输出,对网络进行训练,建立BP神经网络模型,并和优化算法相结合实现以对乙酰氨基酚、甲氧苄氨嘧啶、米诺地尔、氧氟沙星为模型药物,在不同的含药量、不同转速的条件下对处方进行优化。结果 利用神经网络预测药物的释放,训练处方和测试处方的实测值和预测值能很好吻合,4个优化处方的释放值均和目标值很接近。结论　神经网络可用于预测不同药物不同处方组成的HPMC缓释片中药物的释放,并能同步优化HPMC缓释骨架片的处方。