So sánh ứng dụng kỹ thuật mạng thần kinh và lập trình di truyền trong mô hình hóa dữ liệu công thức viên nén phóng thích có kiểm soát

Nghiên cứu ứng dụng mạng thần kinh (neural networks) và kỹ thuật lập trình di truyền (genetic programming) trong việc mô hình hóa dữ liệu, so sánh kết quả mô hình hóa dữ liệu của hai kỹ thuật trên, dựa vào kết quả của hai kỹ thuật này hy vọng sẽ giúp nhà bào chế có một sự lựa chọn công cụ hợp lý khi mô hình hóa dữ liệu công thức.
Nội dung trích xuất từ tài liệu:
So sánh ứng dụng kỹ thuật mạng thần kinh và lập trình di truyền trong mô hình hóa dữ liệu công thức viên nén phóng thích có kiểm soát Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Tập 15 * Phụ bản của Số 1 * 2011 SO SÁNH ỨNG DỤNG KỸ THUẬT MẠNG THẦN KINH VÀ LẬP TRÌNH DI TRUYỀN TRONG MÔ HÌNH HÓA DỮ LIỆU CÔNG THỨC VIÊN NÉN PHÓNG THÍCH CÓ KIỂM SOÁT Nguyễn Phương Nam*, Đỗ Quang Dương** TÓM TẮT Mục tiêu: Nghiên cứu ứng dụng mạng thần kinh (Neural Networks) và kỹ thuật lập trình di truyền (Genetic Programming) trong việc mô hình hóa dữ liệu. So sánh kết quả mô hình hóa dữ liệu của hai kỹ thuật trên. Dựa vào kết quả của hai kỹ thuật này hy vọng sẽ giúp nhà bào chế có một sự lựa chọn công cụ hợp lý khi mô hình hóa dữ liệu công thức. Phương pháp: Cách thức so sánh: so sánh hệ số tương quan R2 và so sánh phương trình đường thẳng hồi quy với hệ số góc. Cả hai phương pháp so sánh này đều dựa trên dữ liệu được dự đoán từ hai kỹ thuật thông minh: mạng thần kinh và lập trình di truyền. Kết quả: Từ những kết quả trong việc mô hình hóa với hai bộ dữ liệu viên nén phóng thích có kiểm soát (viên matrix, viên diclofenac sodium microspheres), kết quả cho thấy cả hai kỹ thuật mạng thần kinh cho kết quả khá tốt mặc dù vậy kỹ thuật mạng thần kinh vượt trội hơn so với kỹ thuật lập trình di truyền. Kết quả từ thực nghiệm cho thấy, việc ứng dụng hai kỹ thuật là lập trình di truyền và mạng thần kinh trong việc mô hình hóa dữ liệu là rất thành công. Kết luận: Khi đánh giá các mô hình được xây dựng bởi hai kỹ thuật, mạng thần kinh cho kết quả trội hơn. Việc so sánh giữa hai kỹ thuật này sẽ giúp cho nhà bào chế khách quan hơn trong việc lựa chọn phương pháp và công cụ xây dựng mô hình hóa dữ liệu phù hợp. Từ khóa: mạng thần kinh, kỹ thuật lập trình di truyền, công thức dược phẩm, viên nén phóng thích có kiểm soát. ABSTRACT A SYSTEMATIC COMPARISON OF ARTIFICIAL INTELLIGENCE TECHNIQUES IN MODELLING CONTROLLED RELEASE TABLET FORMULATION Nguyen Phuong Nam, Do Quang Duong * Y Hoc TP. Ho Chi Minh * Vol. 15 - Supplement of No 1 - 2011: 6 - 12 Objectives: This study has compared the performance of two computational methods: neural networks and genetic programming in generating predictive models for published databases of controlled release tablet formulation. Material and Methods: This study used two methods: the R-squared value (R2) and the coefficients of regression equations generated from the predictive models. Results: Both approaches were successful in developing invaluable predictive models for tablet tensile strength and drug dissolution profiles. whilst neural networks demonstrated a slightly superior capability in predicting unseen data, genetic programming had the added advantage of generating mathematical equations representing the cause–effect relationships contained in the experimental data. The results of examined data (matrix table formulation, controlled release diclofenac sodium microspheres formulation) showed that the * Đại học Y Dược Thành phố Hồ Chí Minh Tác giả liên lạc: TS. Đỗ Quang Dương ĐT: 0913662043; 6 Email: dqduong@uphcm.edu.vn Chuyên Đề Dược Khoa Y Học TP. Hồ Chí Minh * Tập 15 * Phụ bản của Số 1 * 2011 Nghiên cứu Y học performance of neural network was superior when compared to genetic programming. Conclusion: In evaluating models generated by the two technologies, neural networks showed a higher capability of predicting unseen data than genetic programming. This study also will help the pharmacist easily in choosing the techniques and tools to build model data. Keyword: neural networks, genetic programming, tablet formulation, controlled release. ĐẶT VẤN ĐỀ Trong quy trình sản xuất thuốc việc khảo sát mối liên quan nhân quả giữa các thành phần với các tính chất dược phẩm luôn là vấn đề các nhà bào chế rất quan tâm. Việc xác định mối liên quan nhân quả này thường dựa vào mô hình dự đoán được xây dựng bằng các phương pháp thống kê (truyền thống) hay máy tính (hiện đại) là một thách thức lớn đối với các nhà sản xuất(5). Bên cạnh đó việc xây dựng mô hình công thức cũng là một bước rất quan trọng trong qui trình tối ưu công thức. Việc mô hình hóa công thức dược phẩm bằng công cụ máy tính ngày càng được áp dụng phổ biến vì các lợi ích của nó như không giới hạn số biến độc lập (x), có thể tối ưu đồng thời nhiều biến phụ thuộc (y), phù hợp với các loại dữ liệu phức tạp và phi tuyến(9). Có rất nhiều kỹ thuật xây dựng mô hình công thức bằng máy tính đã được áp dụng như mạng thần kinh (Neural Network - NN)(2) thuật giải di truyền (Genetic Algorithms)(3) lập trình di truyền (Genetic Programming - GP)(4) và các hệ thống lai giữa chúng. Những kỹ thuật này phần nào giải quyết được yêu cầu của nhà sản xuất như giảm thời gian và chi phí nghiên cứu và phát triển công thức. Mạng thần kinh (Neural Network) Mạng thần kinh đã được áp dụng từ hơn 60 năm qua, có ích trong việc thiết lập mô hình quan hệ nhân quả, đặc biệt đối với dữ liệu phi tuyến hay dữ liệu phức tạp(9). Ngày nay, mạng thần k ...