פיתוח מהיר יותר של תרופות באמצעות מתכנן דיגיטלי ומפעל נתוני טבליות עצמאי

טבליות מהירות יותר למטופלים

כשמגלים תרופה חדשה, המרתה לטבליה בלעיסה פשוטה עלולה לקחת שנים ולצרוך כמויות גדולות של אבקת תרופה יקרה. המחקר הזה מתאר דרך אוטומטית מאוד לתכנן ולייצר טבליות שמצמצמת הן זמן והן צריכת חומר, ומסייעת להביא תרופות למטופלים מהר ויעיל יותר.

אוּצֵר סמוי אחרי גילוי

כלי בינה מלאכותית מודרניים מסייעים כיום למדענים לגלות מועמדי תרופות ולתכנן ניסויים קליניים במהירות רבה יותר מאשר בעבר. כתוצאה מכך, החלק האיטי ביותר במסלול להגעת תרופות למטופלים הוזז לשלב שבו כימאים ומהנדסים מבררים כיצד להפוך אבקת תרופה דקה לטבליה יציבה ובטוחה שניתן לייצר בקנה מידה. שלב זה כולל החלטות מרובות מקושרות לגבי המתכון, מסלול העיבוד והגדרות המפעל. שינוי אסטרטגיה מאוחר יקר, ולכן חברות זקוקות לבחירות חכמות יותר ובמוקדם יותר לגבי אופן ערבוב התרופה עם עזרי נוסחא ואופן הדחיסה לטבליות שיהיו חזקות דיו לטיפול אך עדיין יתפרקו ויתמוססו בגוף כמתוכנן.

מתכנן דיגיטלי שחושב קדימה

החוקרים בנו "מתכנן דיגיטלי" שמנבא כיצד תתנהג תערובת אבקותית לפני שמישהו מערבב אפילו גרם אחד במעבדה. במקום להתמקד בכימיקלים ספציפיים, המודלים לומדים מתכונות פיזיות בסיסיות כמו גודל החלקיקים, צורתם וצפיפותם. באמצעות ספרייה של מרכיבי טבליה נפוצים, המערכת בוחנת אלפי מתכונים וירטואליים בסימולציה. היא מחפשת שילובים שסביר שייצליחו לזרום בצורה חלקה דרך מכונות תוך כדי יצירת טבליות המגיעות לחוזק ונקבוביות מטרה — מדדים מרכזיים עד כמה טבליה תעמוד בטיפול ועדיין תתפרק בקיבה. רשתות עצביות עמוקות שאומנו על יותר מאלף נקודות ניסוי יכולות לחזות את נקבוביות הטבליה ואת חוזקה, יחד עם אי-הוודאות, עבור תרופות חדשות שתכונותיהן נופלות בתוך תחום הלמידה.

קו טבליות נוהג בעצמו

ברגע שהמתכנן הדיגיטלי מציע מתכון אופטימלי והגדרות התחלתיות למכבש, "מפעל נתוני טבליות נוהג בעצמו" נכנס לפעולה. מערכת שולחנית זו מקשרת בין מנה אבקה, הובלה, דחיסת טבליות ומבחנים באמצעות שתי זרועות רובוטיות ומחשב אופרציה. הפלטפורמה שוקלת כל מנה אבקה, מקליטה ספקטרות תת-אדום קרוב כדי לבדוק אחידות התערובת, דוחסת טבליה בודדת ואז מודדת אוטומטית משקל, ממדים וכוח שבר. מערכת קבלת החלטות משולבת מפסלת טבליות שלא עומדות במפרט ומפעילה צעדי ניקוי כדי למנוע זיהום צולב בין מתכונים. לאורך כל התהליך, נתונים מכל שלב משודרים לבקר מרכזי, השומר על הפעלת התהליך עם מינימום התערבות אנושית.

ללמוד את הלחץ המתאים עם ניסויים מועטים יותר

כדי לכוונן את הגדרות המכבש, הצוות השתמש באסטרטגיית אופטימיזציה המודעת לפיזיקה. שיטה זו משלבת משוואות פיזיקליות פשוטות המתארות כיצד אבקות נדחסות עם שכבת למידת מכונה שמציעה את הניסוי הבא הטוב ביותר. בתשע מחקרי מקרה שונים שכללו שש תרופות, היא כוונה את לחת הדחיסה העיקרי כדי להגיע לנקבוביות טבליה יעד תוך שמירה על חוזק מעל סף שנקבע. בכל מקרה נדרשה רק יד קטנה של טבליות מבחן כדי לכייל את המודלים, והטבליות הסופיות עמדו בקריטריוני הייצור והתמוססות למוצרי שחרור מיידי. המחקר גם השתמש במודלים הדיגיטליים כדי לחקור כיצד דפוסי גודל חלקיקים שונים משפיעים על זרימת האבקה וחוזק הטבליה, ואישר וכימדלים כללים שמנסחים קודם הסתמכו עליהם בעיקר מניסיון.

מה המשמעות לעתיד התרופות

על ידי קישור הדוק בין מודלים חיזויים לבין קו ייצור טבליות אוטומטי, הפלטפורמה מקצרת את המסלול ממדידות אבקה גולמית לטבליות מקובלות לכ־שש שעות תוך שימוש בכ־שליש בלבד מחומר התרופה שנדרש בשיטות הטובות כיום. אף על פי שהמערכת עדיין מוגבלת מבחינה מעשית ועדיין אינה מוכנה לשלב מפעל תעשייתי, היא מצביעה לעתיד שבו תכנון ובדיקה של מתכוני טבליות יהיו מהירים יותר, עשירים יותר בנתונים ופחות מבזבזים. עבור המטופלים, כלים כאלה עשויים לתרגם למעבר חלק יותר של תרופות מגילוי למדף בית המרקחת, עם ניצול טוב יותר של זמן, מומחיות וחומרי תרופה נדירים.

ציטוט: Abbas, F., Salehian, M., Hou, P. et al. Accelerated drug development using a digital formulator and a self-driving tableting data factory. Nat Commun 17, 4739 (2026). https://doi.org/10.1038/s41467-026-71204-6

מילות מפתח: ניסוח טבליות, מעבדה נוהגת בעצמה, מתכנן דיגיטלי, אוטומציה פארמצבטית, ייצור תרופות