Simposio Internacional de Ciencias Farmaceúticas
SICF
Abstract
Purpose: The pharmaceutical product manufacture has continued to grow increasingly, contributing to health and life quality improvement. Nevertheless, the lack of standardization, classification, quality and purity of raw material are some of the limitations encountered in research and use of new medicines. This work proposes a reliable strategy to certify furvina production by evaluating several quality control parameters using a support vector machine (SVM) classifier.
Methods: Pharmaceutical quality control parameters were determined in 55 furvina samples and principal component analysis (PCA) and SVM were applied to the data obtained. A central composite design (CCD) was used to optimize SVM parameters using five-fold cross-validation. Variable importance for class prediction was determined and the best classification model was obtained considering 75% of the total samples for training and the remaining 25% for testing.
Results: The predictors exerting the greatest influence on discrimination of the samples were ignition residue (25%), and furvina (29%) and 2-Bromo-5-[(E)-2-nitrovinyl]-furan (23%) contents. The best classification performance was obtained when γ = 0.375 and C = 2.91 were used. The differentiation of furvina samples was achieved with 92.8% overall accuracy and 100% sensitivity and specificity for most of the predicted classes, indicating high success rates.
Conclusions: The evaluation of pharmaceutical quality control parameters using an optimized SVM classifier was useful to certify furvina samples according to their production lot, which allowed obtaining the certificate of pharmaceutical product (CPP). The proposed classification approach proved to be reliable for avoiding mislabeling issues of the furvina drug, being able to be expanded for detecting fraudulent activities in the manufacturing process of other drugs.
Resumen
Objetivo: La fabricación de productos farmacéuticos ha seguido creciendo cada vez más, contribuyendo a la mejora de la salud y la calidad de vida. Sin embargo, la falta de estandarización, clasificación, calidad y pureza de la materia prima son algunas de las limitaciones encontradas en la investigación y uso de nuevos medicamentos. Este trabajo propone una estrategia fiable para certificar la producción de furvina mediante la evaluación de varios parámetros de control de calidad utilizando un clasificador de máquina de vectores de soporte (SVM).
Métodos: Se determinaron parámetros de control de calidad farmacéutica en 55 muestras de furvina y se aplicó el análisis de componentes principales (ACP) y la SVM a los datos obtenidos. Se utilizó un diseño compuesto central (DCP) para optimizar los parámetros de la SVM mediante una validación cruzada de cinco veces. Se determinó la importancia de las variables para la predicción de clases y se obtuvo el mejor modelo de clasificación considerando el 75% del total de las muestras para el entrenamiento y el 25% restante para las pruebas.
Resultados: Los predictores que ejercieron mayor influencia en la discriminación de las muestras fueron el residuo de ignición (25%), y los contenidos de furvina (29%) y 2-Bromo-5-[(E)-2-nitrovinil]-furano (23%). El mejor rendimiento de clasificación se obtuvo cuando se utilizó γ = 0,375 y C = 2,91. La diferenciación de las muestras de furvina se logró con una precisión global del 92,8% y una sensibilidad y especificidad del 100% para la mayoría de las clases predichas, lo que indica altos índices de éxito.
Conclusiones: La evaluación de los parámetros de control de calidad farmacéutica mediante un clasificador SVM optimizado fue útil para certificar las muestras de furvina según su lote de producción, lo que permitió obtener el certificado de producto farmacéutico (CPP). El enfoque de clasificación propuesto demostró ser fiable para evitar problemas de etiquetado erróneo del medicamento furvina, pudiendo ampliarse para detectar actividades fraudulentas en el proceso de fabricación de otros medicamentos.
About The Speaker
MsC. Orlando Roberto Alvarez Gonzalez
Graduado en Licenciatura en Ciencias Farmacéuticas en 2015 y Máster en Química Analítica en 2017, en la Universidad Central “Marta Abreu” de Las Villas, Cuba. Investigador en el campo de la química analítica aplicada al control de la calidad en los laboratorios farmacéuticos así como el manejo de diferentes equipos analíticos de laboratorio; con conocimientos en el diseño computacional de fármacos, servicios farmacéuticos, estudios clínicos y preclínicos de uso de fármacos, ecotoxicológicos y de impacto ambiental así como promotor de salud desde el 2013.
