ارائه مدل رياضي جهت پيش بيني اندازه نانوذرات كاربامازپين

در فرآيند دارورساني، اندازه ذره ماده داروئي تاثير قابل توجهي بر انحلال پذيري و فراهمي زيستي دارو دارد. تاكنون هيچ مدل تحليلي جهت پيش بيني اندازه داروي كاربامازپين در جت هاي برخوردي مايع محدود شده CLIJs مشاهده نشده است. در اين مقاله مدل هاي چندجمله اي بر مبناي داده هاي آزمايشگاهي جهت پيش بيني اندازه ذره كاربامازپين به دست آمده اند. براي اين منظور، دو مجموعه داده آزمايشگاهي مختلف و تركيبي از آنان كه متانول و اتانول به عنوان حلال مي باشند، به عنوان داده هاي ورودي خروجي شبكه هاي عصبي – در نظر گرفته شده اند. همچنين غلظت محلول، دبي هاي محلول و ضد حلال ، به عنوان ورودي هاي يك روش دسته بندي گروهي داده هاي عددي GMDH جهت مدل سازي وپيش بيني اندازه ذره كاربامازپين به عنوان خروجي در نظر گرفته شده اند. سپس دو مدل انفيس و شبكه عصبي مصنوعي توسط اين داده ها اجرا و نتايج حاصل از آن ها با نتايج GMDH مقايسه گرديد كه نشان دهنده برتري GMDH مي باشد. مدل پيشنهاد شده در اين پژوهش مي تواند جهت پيش بيني اندازه ذره كاربامازپين در فرآيند CLIJ استفاده گردد