Accelererad läkemedelsutveckling med en digital formulerare och en självstyrande tabletttillverkningsfabrik

Snabbare tabletter till patienterna

När ett nytt läkemedel upptäcks kan det ta år att omvandla det till en enkel att svälja tablett och kräva stora mängder värdefullt läkemedelspulver. Denna studie beskriver ett högautomatiserat sätt att utforma och tillverka tabletter som minskar både tid och materialåtgång, vilket hjälper läkemedel att nå patienter snabbare och mer effektivt.

Den dolda flaskhalsen efter upptäckt

Moderna verktyg inom artificiell intelligens hjälper nu forskare att hitta läkandekandidater och planera kliniska prövningar mycket snabbare än tidigare. Som ett resultat har den långsammaste delen i att få läkemedel till patienterna förskjutits till steget där kemister och ingenjörer tar reda på hur ett fint läkemedelspulver ska bli en stabil, säker tablett som kan tillverkas i skala. Detta steg involverar många sammanlänkade beslut om recept, processväg och fabrikinställningar. Att ändra kurs sent är kostsamt, så företag behöver smartare, tidigare val om hur man blandar läkemedlet med hjälpingredienser och hur man pressar det till tabletter som är tillräckligt robusta för hantering men ändå bryts sönder och löser sig i kroppen som avsett.

En digital formulerare som tänker i förväg

Forskarna byggde en ”digital formulerare” som förutser hur en pulverblandning kommer att bete sig innan någon blandar ens ett gram i labbet. Istället för att memorera specifika kemikalier lär sig modellerna från grundläggande fysikaliska egenskaper som partikelstorlek, form och densitet. Med ett bibliotek av vanliga tablettingrediens testar systemet tusentals virtuella recept in silico. Det söker efter kombinationer som sannolikt flyter smidigt genom maskineriet samtidigt som de bildar tabletter som når målvärden för hållfasthet och porositet — nyckelmått på hur väl en tablett överlever hantering men ändå disintegrerar i magen. Djupa neurala nätverk tränade på mer än tusen experimentella datapunkter kan förutsäga tablettporositet och hållfasthet, tillsammans med osäkerheten i dessa prognoser, för nya läkemedel vars egenskaper ligger inom det inlärda området.

En självstyrande tablettlina

När den digitala formuleraren föreslår ett optimalt recept och startinställningar för pressen tar en ”självstyrande tablettdatabrik” över. Detta bänksystem kopplar ihop pulverdosering, transport, tablettpressning och testning via två robotarmar och en orkestreringsdator. Plattformen väger varje dos pulver, registrerar närinfraröda spektra för att kontrollera blandningsuniformitet, komprimerar enskilda tabletter och mäter sedan automatiskt vikt, dimensioner och brottkraft. Ett inbyggt beslutsystem kasserar tablettprover som ligger utanför specifikation och triggar rengöringssteg för att undvika korsförorening mellan recept. Under hela processen strömmas data från varje steg till en central styrenhet som håller processen igång med minimalt mänskligt ingripande.

Lära sig rätt tryck med färre försök

För att finjustera pressinställningarna använde teamet en fysikinformerad optimeringsstrategi. Denna metod kombinerar enkla fysikaliska ekvationer för hur pulver komprimeras med ett maskininlärningslager som föreslår nästa bästa experiment. För nio olika fallstudier som involverade sex läkemedel justerade den huvudsakliga kompressionskraften för att nå en målsatt tablettporositet samtidigt som hållfastheten hölls över en angiven tröskel. I varje fall krävdes bara ett fåtal testtabletter för att kalibrera modellerna, och de slutliga tabletterna uppfyllde alla tillverknings- och upplösningskriterier för omedelbart frisättande produkter. Studien använde också de digitala modellerna för att utforska hur olika partikelstorleksmönster påverkar pulverflöde och tablettstyrka, vilket bekräftade och kvantifierade regler som formulerare tidigare främst förlitade sig på utifrån erfarenhet.

Vad detta innebär för framtidens läkemedel

Genom att tätt koppla prediktiva modeller till en automatiserad tabletttillverkningslinje krymper denna plattform resan från råa pulvermätningar till godkända tabletter till ungefär sex timmar samtidigt som den använder ungefär en tredjedel av det läkemedelsmaterial som krävs enligt nuvarande bästa praxis. Även om setupen fortfarande har praktiska begränsningar och ännu inte är fabriksredo, pekar den mot en framtid där utformning och testning av tabettrecept blir snabbare, mer datarika och mindre slösande. För patienter kan sådana verktyg innebära att fler läkemedel smidigt går från upptäckt till apotekshyllan, med bättre användning av tid, expertis och knappa läkemedelssubstanser.

Citering: 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

Nyckelord: tablettformulering, självkörande laboratorium, digital formulerare, farmaceutisk automation, läkemedelstillverkning