主题：【第十二届原创】近红外光谱分析技术应用于流化床制粒和包衣过程的研究进展

近红外光谱分析技术应用于流化床制粒和包衣过程的研究进展

摘要

目前流化床制粒、包衣技术在我国制药行业中因其具有制得颗粒流动性、压缩成型性好，微丸包衣厚度均匀等诸多优点而受到广泛应用。随着过程分析技术的推广，针对于关键质量属性的在线分析受到越来越多的关注，以采用近红外光谱分析技术为代表的过程分析技术可以对流化床制粒、包衣过程进行有效地监测，从而提高产品质量、保证产品安全性。本文针对流化床制粒、包衣过程中水分含量、粒径大小、包衣厚度等关键质量属性，综述了近红外光谱分析技术在监测流化床制粒、包衣过程的研究进展，表明近红外光谱分析技术可以有效的监测流化床生产过程各关键质量属性。通过综述旨在为我国制药行业的流化床制粒、包衣单元实现自动化控制和智能生产提供参考。

关键词：近红外光谱技术；流化床制粒；流化床包衣；过程分析技术；在线监测

Thetechnologys of fluidized bed granulation and pellets coating are widely used inpharmaceutical industry. Particles made in a fluidized bed have good liquidity,compressibility, and coating thickness of pellets are homogeneous. Near-infraredspectroscopy can real time monitor in fluidbed granulation and coating process, so it can improve the productquality and ensure product security. This review gives research progress of Near-infraredspectroscopy monitoring in fluid bed granulationand coating process, and gives quantitative analysis model of moisture content, particle size and tablet/pelletthickness to realize in-line monitoring and controling.

前言

美国FDA于2004年以工业指南的方式颁布了Processanalytical technology（PAT），旨在通过过程分析技术（PAT）提高对药品研发、生产和质量全过程更加科学性的控制。为保证产品的安全、有效、稳定、均一，近年来，研究出现多种用于流化床制粒和包衣过程的PAT在线分析仪器，以实现对生产过程的在线监控。例如，3D图像分析技术（3D imaging method）用于流化床制粒过程，在线测定颗粒粒径大小；在流化床微丸包衣过程中，Možina等研究了数字成像技术（digital imaging）在线监测微丸包衣厚度以及判断微丸粘连问题的可行性。但应用图像分析技术需把颗粒或微丸当作理想的球体计算，难以准确测量颗粒粒径和包衣厚度。此外，聚焦束反射法（focusedbeam reflectance method，FBRM）作为一种PAT工具用于监测因粘合剂溶液过量而产生的颗粒凝聚问题以及用于测定粒径大小；Sheahan等应用声波发射（acoustic emissions，AE）监测流化床顶喷包衣喷嘴的堵塞问题，且进行了用于监测包衣厚度的研究。FBRM广泛应用于结晶过程，而应用在流化床制粒过程中，目前没有相关文件支持；声波发射技术监测包衣厚度的可行性还需更深入的研究。为了克服以上分析方法的弊端，我们需要一种更实用的在线分析技术。此外，Tok等研究了FBRM、AE以及NIRS三种PAT技术应用于流化床制粒过程在线监测的可行性，在制粒生产过程中，其中AE技术易于受制粒过程中空气流速以及外界因素的影响；FBRM和NIRS的光纤探头易被样品污染，影响在线数据的采集。但许多研究表明，可以通过安装吹扫装置保持NIRS探头的清洁。

目前近红外光谱技术（Near-infraredspectroscopy，NIRS）作为PAT的有力工具，其波长范围为700-2500nm（14286-4000cm^-1）之间，主要反映含氢基团（如C-H，O-H，N-H、S-H等）振动的倍频和合频吸收。NIRS分析样品含量大于千分之一，这符合一般生产要求，且其以分析速度快、非破坏性、无污染、投资少、操作技术要求低等特点在制药行业的应用日趋广泛。本文综述了在线NIRS在流化床干燥、制粒和包衣过程中应用，旨在为我国制药行业的流化床制粒、包衣单元实现自动化控制和智能生产提供参考。

随着计算机技术、光纤和化学计量学的发展，在制药行业质量要求日趋严格的大环境下，发展以NIRS为主的在线监测研究势在必行。NIRS在线监测流化床制粒干燥过程，连续采集过程中的光谱，可以对过程中颗粒的水分含量、粒径分布以及堆密度等关键参数进行监测，从而对整个制粒干燥生产过程进行过程控制。

1.1 颗粒的水分含量

在流化床制粒干燥过程中，颗粒的含水量可影响颗粒的流动性、可压性以及药物的稳定性。且含水量对制粒过程也会产生影响，若在制粒过程缺少监测控制，易造成物料含水量过高或过低；含水量过高，易结成团块，造成塌床；含水量过低，颗粒的粒径小，会造成颗粒中粉末较多，由此可见，对流化床制粒过程进行过程控制是非常重要的。水的O-H伸缩振动一级倍频在1440 nm附近，较强的合频吸收谱带在1940nm附近，在早期，Rantanen等 采用NIRS对流化床制粒过程中颗粒的含水量进行监测研究，表明测定过程使用与水分相关的波长而去除无关波长信息，可以更准确、更迅速地监测制粒过程中含水量的变化。

而且，除了进行水分定量分析监测流化床制粒干燥过程外，还可利用主成分分析（principal component analysis, PCA）对过程中的多维变量进行降维分析，实现数据的可视化。此外，Rantanen等还研究了在流化床制粒过程中，利用NIRS水分测定，结合过程中温度和湿度的测定对制粒过程的含水量进行监测，以实现制粒过程的控制与监测。以上研究中，是NIRS漫反射光纤探头透过流化床制粒机上的视镜来监测制粒过程中含水量的变化。

除此之外，还可将光纤探头安装到流化床内部进行接触式在线采样。Kona等在实验室规模流化床制粒机（1-L）中安装一特制的勺状探头，并在探头上端位置安装压力吹扫装置，待光谱采集完毕后，启动吹扫装置，样品返回流化床内继续参加制粒，并在探头等同的位置收集样品进行一级数据的测定。结合偏最小二乘（partial least squares,PLS）算法对流化床制粒过程中样品的含水量进行在线监测，并且结合多维主成分分析（multi-way principal component analysis, MPCA）建立多元统计分析控制方法，对异常批次进行判断。同时研究中对制粒过程中的进风温度和湿度、产品的温度和湿度进行在线监测，通过对生产过程中产品的含水量、温度和湿度的监测以实现实时错误诊断和过程控制。与此类似，Peinado等将NIRS光纤探头嵌入到流化床中进行光谱采集，通过监测含水量的变化对生产规模流化床（300-L）干燥终点进行判断。研究中采用标准正态变量变换（Standard normal variate , SNV）预处理方法消除表面散射对NIR漫反射光谱的影响，1940nm附近有较强的O-H合频吸收谱带，由此，采用1854-2075 nm波长建立了PLS水分定量模型。为了证明模型的适用性，用外部验证集对模型进行独立验证，并对NIRS方法进行方法学验证。与前者的研究相比，后者没有配置吹扫装置，而是通过改变探头的位置和角度保证NIRS采集窗口的清洁。

此外，Märk等则通过一旁路系统进行在线近红外光谱的采集，由此避免了流化床干燥过程中温度变化对光谱重复性的影响。

  Green等研究了探头安装到流化床内进行接触式取样的3种装置对在线NIRS水分预测的准确性的影响，颗粒分别在不同规模的流化床干燥器（65-L,300-L,600-L）中进行实验，并研究使用3种不同的取样装置以提高NIRS方法的准确性。研究结果表明过程的不均匀性对表面预测的准确度会产生重要影响，此结论适合于易于不均一化的固体颗粒和混悬液系统的在线测量。此外，Heigl等采用实验室规模流化床研究了不同光谱背景和取样方式对PLS回归模型预测准确度的影响。结果显示透过流化床壁（聚甲基丙烯酸甲酯）采集的在线光谱和透过玻璃瓶采集的离线光谱建立的模型，与去除了此两个背景吸收所建立的模型相比，鲁棒性更好；其次，在线光谱建立的模型，与停止设备后取样采集的离线光谱所建立的模型相比，前者的鲁棒性和预测准确度更佳。

1.2 颗粒的粒径大小

NIRS不仅包含样品的化学信息（比如水分含量），而且还包含样品的物理信息，比如，颗粒粒径的不同可产生基线偏移。由此，可以根据光谱的基线偏移来检测颗粒粒径的大小。

在线NIRS早期用来监测水分含量，但粒径作为质量控制的关键参数，影响压片过程片重均一性、可压性以及脆碎度等，因此为了进一步保证产品质量，提高生产效率，有必要对粒径进行在线监测。在20世纪90年代，相关研究人员对在线NIRS监测颗粒粒径的变化进行了初期探索。Frake等在生产规模顶喷制粒流化床（40-kg）内安装NIR光纤探头，用来连续采集颗粒的光谱信息。NIR光纤探头安装在偏下流处产品密度较高的位置以保证探头的清洁；研究中用原始光谱信息来表征颗粒粒径的变化，并绘制出2282nm处吸光度值随时间的变化图，其和粒径随时间变化图具有相似性，但由于颗粒变化模型的复杂性，并未能建立NIRS粒径定量模型。Rantanen等在流化床制粒机中采用四波长检测器对不同等级的微晶纤维素进行NIR光谱的采集，其中1740nm和2145nm两波长用于粒径的测定，并利用NIRS吸光度值区分微晶纤维素的等级。研究中采用激光衍射法测量微晶纤维素的中值粒径，与NIR光谱吸光度值进行关联得到两者的相关性图。

Findlay等在流化床制粒干燥过程中使用NIRS在线监测颗粒水分含量和粒径大小，并用两者的监测结果结合流化床传质传热特性来判断制粒喷雾终点和颗粒干燥终点。使用NIR光谱仪通过流化床上的玻璃窗采集样品光谱，此玻璃窗安装有一个特殊的垫圈以保持窗口的清洁。制粒过程中每隔5 min停机取样进行一级数据的测量，其中用干燥失重法测定样品含水量数据，用图像分析法测量颗粒的粒径大小。此外，样品在湿颗粒状态和干颗粒状态采集的NIR光谱存在差异（由于水对NIR光谱的影响），而且在制粒初期的前10min采集窗易被湿粉末污染，由此，与制粒的早期阶段相比，NIRS在接近喷雾结束和干燥阶段更能获得准确的粒径数据。研究结果表明当样品含水量超过3%（w/w）时，需要调整粒径的测量值，使得制粒过程中采用NIRS测得的数据和通过一级方法测得的数据可以较好地吻合。随后对NIR数据进行电脑编程，可以对流化床制粒过程进行程序化控制。同样，Makoto Otsuka等 ^[20]使近红外光谱仪透过流化床的玻璃壁采集光谱，并使用定制的橡皮刮刀来保持玻璃壁的清洁，研究了NIRS在线监测实验室规模流化床制粒过程粒径和水分的变化。此外，实验分别使用3种不同浓度的粘合剂（10%，8.5%，7.5%的羟丙基纤维素）溶液，取样后采用筛分法测定样品的D₅₀，用PLSR方法建立粒径定量模型，结果证明了NIRS在流化床混合、制粒和干燥过程预测对乙酰氨基酚配方颗粒水分含量和D₅₀的可行性。

Nieuwmeyer等用PLSR法分别建立了水分含量和粒径的NIR定量模型。采用激光衍射法测得干样品的平均粒径（D₅₀）作为一级数据，和干样品的NIR光谱数据关联，建立了具有4个主成分因子的平均粒径PLSR定量模型。Makoto Otsuka等^[20]采用实验室规模的流化床制粒机研究NIRS监测制粒过程的粒径和水分变化。NIR光谱仪透过流化床的玻璃壁采集光谱，使用定制的橡皮刮刀来保持玻璃壁的清洁。研究实验分别使用3种不同浓度的粘合剂（10%，8.5%，7.5%的羟丙基纤维素）溶液，采用筛分法测定样品的D₅₀，对NIR光谱进行MSC预处理后，采用PLSR方法建立粒径定量模型，并对模型进行了外部交叉验证。此研究结果证明了NIRS在流化床混合、制粒和干燥过程预测对乙酰氨基酚配方颗粒水分含量和D₅₀的可行性，表明NIRS可以作为在线实时监测制粒过程的有力工具。

1.3 颗粒的堆密度

制粒过程中除了颗粒含水量和粒径两个关键参数外，颗粒的堆密度也是判断颗粒质量的重要参数，例如，可以通过测量堆密度大小判断颗粒的流动性和可压性。Manel等研究在线NIRS在生产规模流化床制粒系统（GLATTWSG300）生产过程中的应用，其不仅在线监测制粒过程中产品水分和粒径的变化，还对颗粒的堆密度进行实时监测。通过NIR反射光纤探头透过流化床制粒机上的玻璃窗采集光谱，采用NIR光谱数据建立基于主成分分析的定性多变量分析模型，监测制粒过程，判断制粒的操作环境是否正常以及判断制粒过程是否出现异常。同样，用PLS方法建立了多个定量分析模型来监测制粒过程中各参数的变化（堆密度、含水量、粒径分布），实现了对流化床制粒干燥过程进行实时在线控制。

2 近红外光谱应用于流化床包衣过程

流化床包衣广泛用于膜缓控释、骨架缓控释胶囊、丸剂包衣等。通过包衣可以掩盖药物的不良气味，还可以隔绝空气，避光防潮，提高药物的稳定性；此外，合适的薄膜包衣厚度可控制膜的渗透性，使所包药物在体内扩散释放，达到定时、定位给药的目的，因此在流化床包衣过程中，包衣厚度是其质量控制的重要指标，用NIRS对此过程进行实时在线监测，可以有效判断包衣终点，提高产品质量。

  早期Kirsch等采用NIRS对片剂的包衣厚度进行了离线分析，验证了NIRS方法可作为快速、无损检测包衣厚度的有效方法。20世纪初期，Andersson等把NIRS光纤漫反射探头安装到流化床包衣机上，用于包衣过程中包衣厚度的在线监测。每批实验生产的样品量为0.5 kg，其中，包衣液材料和丸芯材料的化学组成不同，包衣液为乙基纤维素（具有荧光性），包衣厚度的一级测定方法采用图像分析法，通过包衣材料的荧光特性测定包衣厚度。采用Savitzky-Golay15点平滑和二阶导数对光谱进行预处理，选用1100-1250，1300-1450，以及1600-1800 nm的波长范围（纤维素类有较强的吸收）建立PLS定量模型，模型结果为R²=0.97，校正均方根误差为2.2 μm，可以较准确的判断包衣终点。Lee等使用平均聚类的方法建立了NIR包衣厚度的动态校正模型，此模型具有较好的预测能力。在流化床包衣过程中在线采集NIR光谱，并间隔一定时间收集样品来测定一级数据（包衣厚度）。为了保证在线光谱的准确性，把对应收集样品时间点的21或45个光谱取平均，然后与相应的一级数据关联建立PLS模型，并对模型进行外部验证。结果表明NIR可以作为流化床包衣过程在线监测工具，准确的判断包衣终点。

Hudovornik等采用NIR和空气滤波技术(Spatial Filtering Technique, SFT)监测中试流化床底喷包衣过程，建立了NIR水分含量预测模型，并表明NIR实时预测包衣厚度的可能性，此外，评估了两种在线方法判断过程异常（丸芯磨损和沉积）的能力。研究中建立的NIR水分含量模型对包衣液的成分非常敏感，需要控制包衣液成分的变化以及采用合适的校正集范围来获得较好的预测结果。采用在线NIR光谱和SFT数据关联建立了PLS包衣厚度定量模型，此NIR模型建立的物质基础为药物层的主药成分，随着包衣厚度的增加，主药成分的吸收峰（1670nm处）的强度逐渐降低，所以选择了1600-1751nm的波长范围建立此模型。结果表明采用NIR建立的包衣厚度、水分含量定量模型预测能力较好，同样能够实时判断包衣过程的异常状态，因此，表明NIR可以单独作为实时监测包衣过程的在线工具。

3 结论与展望

参考文献

张东利,郝东升,舒安庆,张维蔚.流化床喷雾造粒技术进展 . 化学工业与工程, 2005, 22(4): 289-295.

宋顺宗,辛聪,宫国华,郭建鹏.利用流化床制备中药包衣颗粒的工艺研究.时珍国医国药,2007, 18(11): -2715.

U.S. Food and Drug Administra2714tion. Guidance for Industry PAT-A Frameworkfor Innovative Pharmaceutical Development, Manufacturing and Quality Assurance.New Hampshire Avenue: FDA, 2004.

Närvänen T, Seppälä K, Antikainen O, et al. A newrapid on-line imaging method to determine particle size distribution ofgranules, AAPS Pharm Sci Technol, 2008,9: 282-287.

Sandler N. Photometric imaging in particle sizemeasurement and surface visualization . Int J Pharm, 2011, 417: 227-234.

Možina M, Tomaževič D, Leben S, et al. Digitalimaging as a process analytical technology tool for fluid-bed pellet coatingprocess.Eur J Pharm Sci, 2010,44: 156-162.

Alshihabi F,Vandamme T, Betz G. Focused beam reflectance method as aninnovative (PAT) tool to monitor in-line granulation process in fluidized bed.Pharm Dev Technol, 2011:73-84.

Sheahan T, Briens L. Passive acoustic emissions monitoring of the coating of pellets ina fluidized bed—A feasibility analysis . PowderTechnol, 2015, 283: 373-379.

Alcala M, Blanco M, BautistaM,et al. On-line monitoring of a granulationprocess by NIR spectroscopy . J Pharm Sci, 2010,99(01): 336-345.

刘怡,马怡.流化床制粒影响因素的探讨. 中国医药工业杂志,2004,35(9): 566-568.

Kona R, Haibin Qu, Mattes R, et al. Application ofin-line near infrared spectroscopy and multivariate batch modeling for processmonitoring in fluid bed granulation . Int J Pharm,2013, 452: 63-72.

Rantanen J, Rasanen E, Tenhunen J, et al.In-line moisture measurement during granulation with a four-wavelength nearinfrared sensor: an evaluation of particle size and binder effects . Eur J Pharm Biopharm, 2000, 50: 209-217.

Peinado A, Hammond J, Scott A. Development, validationand transfer of a near infrared method to determine in-line the end point of afluidised drying process for commercial production batches of an approved oralsolid dose pharmaceutical product . J Pharm Biomed Anal, 2011,54: 13-20.

Green RL,Thurau G, Pixley NC, et al. In-line monitoring of moisture content in fluid beddryers using near-IR spectroscopy with consideration of sampling effects onmethod accuracy . Anal Chem, 2005, 77: 4515-4522.

Frake P,Greenhalgh D, Grierson SM, et al. Process control and end-point determinationof a fluid bed granulation by application of near infra-red spectroscopy .Int J Pharm, 1997,151: 75-80.

Rantanen J,Yliruusi J. Determination of particle size in a fluidized bed granulator with anear infrared set-up . Pharm Pharmacol Commun,1998,4:73-75.

Findlay WP, Peck GR, Morris KR. Determination of fluidizedbed granulation end point using near-infrared spectroscopy and phenomenologicalanalysis . J Pharm Sci, 2005,94: 604-612.

NieuwmeyerFJS, Damen M, Gerich A, et al. Granule characterization during fluid bed dryingby development of a near infrared method to determine water content and mediangranule size . Pharm Res, 2007, 24(10): 1854-1861.

Otsuka M, Koyama A, Hattori Y. Real-time release monitoringfor water content and mean particle size of granules in lab-sized fluid-bedgranulator by near-infrared spectroscopy . RSC Adv, 2014, 4: 17461-17468.

柯博克, 刘雪松, 陈勇, 等.近红外光谱快速测定复方丹参滴丸的包衣厚度.复方丹参滴丸论文集,2005-2010:487-490.

Kirsch JD, Drennen JK. Near-infrared spectroscopy monitoringof the filming coating process . Pharm Res, 1996,13(02): 234-237.

Andersson M, FolestadS, Gottfries J, et al. Quantitative analysis of film coating in a fluidized bedprocess by in-Line NIR spectrometry and multivariate batch calibration . Anal Chem, 2000, 72:2099-2108.

Lee MJ, Park CR, KimAY, et al. Dynamic calibration for the in-Line NIR monitoring of film thicknessof pharmaceutical tablets processed in a fluid-bed coater . J Pharm Sci, 2010, 99(01): 325-335.

Lee MJ, Seo DY, Lee HE, etal. In line NIR quantification of film thickness on pharmaceutical pelletsduring a fluid bed coating process .Int J Pharm, 2011, 403:66-72.

Hudovornik G, Korasa K, Vrečer F. A study on the applicability of in-line measurements in themonitoring of the pellet coating process . Eur J Pharm Sci, 2015, 75: 160-168.