JAREX: una funzione di acquisizione per la caratterizzazione algoritmica dei processi multi-obiettivo

Abstract degli autori

La caratterizzazione dei processi farmaceutici è centrale per il Quality by Design, perché definisce in che modo le variazioni dei parametri di processo influiscono sulla capacità di rispettare le specifiche di qualità del prodotto, contribuendo così a stabilire intervalli accettabili comprovati e a garantire una produzione robusta. Nella pratica, tuttavia, la caratterizzazione si basa ancora in larga misura su approcci fattoriali di progettazione degli esperimenti (DOE), che sono inefficienti nel determinare i confini di conformità e non conformità in spazi multidimensionali. Se da un lato l’ottimizzazione bayesiana ha trasformato l’ottimizzazione dei processi, dall’altro continuano a mancare metodi adattivi per la caratterizzazione dei processi multi-obiettivo. Qui presentiamo JAREX (esplorazione congiunta della regione accettabile), una funzione di acquisizione basata sull’apprendimento attivo bayesiano per la caratterizzazione dei processi multi-obiettivo. JAREX formula la caratterizzazione come un problema di apprendimento congiunto dei confini e seleziona gli esperimenti in modo adattivo per individuare la regione congiunta di conformità, definita dal rispetto simultaneo dei criteri di soglia per più obiettivi. JAREX combina una maschera ottimistica di fattibilità congiunta con un’estensione multi-obiettivo dello straddle randomizzato, concentrando il campionamento sul confine congiunto del fallimento. I nostri test di benchmark indicano che, nell’intero intervallo di budget sperimentale, JAREX individua la regione congiunta di conformità con maggiore accuratezza e un minor numero di campioni rispetto alla progettazione fattoriale degli esperimenti, ai disegni a riempimento dello spazio e alle strategie greedy per singolo obiettivo. Negli esperimenti condotti in batch, riduce di oltre la metà il numero di esperimenti iterativi di caratterizzazione del processo, mantenendo un’elevata accuratezza nell’identificazione dei confini. Implementato nel pacchetto open source obsidian, JAREX offre un framework modulare per la caratterizzazione algoritmica adattiva, efficiente in termini di dati e multi-obiettivo dei processi, e consente di individuare intervalli con un numero contenuto di campioni in spazi ad alta dimensionalità.