ارائه مدل ریاضی جهت پیش بینی اندازه نانوذرات کاربامازپین

در فرآیند دارورسانی، اندازه ذره ماده داروئی تاثیر قابل توجهی بر انحلال پذیری و فراهمی زیستی دارو دارد. تاکنون هیچ مدل تحلیلی جهت پیش بینی اندازه داروی کاربامازپین در جت های برخوردی مایع محدود شده CLIJs مشاهده نشده است. در این مقاله مدل های چندجمله ای بر مبنای داده های آزمایشگاهی جهت پیش بینی اندازه ذره کاربامازپین به دست آمده اند. برای این منظور، دو مجموعه داده آزمایشگاهی مختلف و ترکیبی از آنان که متانول و اتانول به عنوان حلال می باشند، به عنوان داده های ورودی خروجی شبکه های عصبی – در نظر گرفته شده اند. همچنین غلظت محلول، دبی های محلول و ضد حلال ، به عنوان ورودی های یک روش دسته بندی گروهی داده های عددی GMDH جهت مدل سازی وپیش بینی اندازه ذره کاربامازپین به عنوان خروجی در نظر گرفته شده اند. سپس دو مدل انفیس و شبکه عصبی مصنوعی توسط این داده ها اجرا و نتایج حاصل از آن ها با نتایج GMDH مقایسه گردید که نشان دهنده برتری GMDH می باشد. مدل پیشنهاد شده در این پژوهش می تواند جهت پیش بینی اندازه ذره کاربامازپین در فرآیند CLIJ استفاده گردد

کلیدواژه ها:

جت برخوردی مایع ، کاربامازپین ، GMDH ، انفیس ، شبکه عصبی مصنوعی