In silico methods in stability testing of Hydrocortisone, powder for injections: Multiple regression analysis versus dynamic neural network

Abstract

This article presents the possibility of using of multiple regression analysis (MRA) and dynamic neural network (DNN) for prediction of stability of Hydrocortisone 100 mg (in a form of hydrocortisone sodium succinate) freeze-dried powder for injection packed into a dual chamber container. Degradation products of hydrocortisone sodium succinate - free hydrocortisone and related substances (impurities A, B, C, D and E; unspecified impurities and total impurities) - were followed during stress and formal stability studies. All data obtained during stability studies were used for in silico modeling; multiple regression models and dynamic neural networks as well, in order to compare predicted and observed results. High values of coefficient of determination (0.95?0.99) were gained using MRA and DNN, so both methods are powerful tools for in silico stability studies, but superiority of DNN over mathematical modeling of degradation was also confirmed.

Radi bezbednije, brže i efikasnije parenteralne primene hidrokortizona, široko primenjivanog kortikosteroida, ispitivan je sistem kontaktnog pakovanja u kome se i liofilizat i rastvor za rekonstituciju nalaze u jednoj, dvokomornoj bočici. Ispitivanje je izvedeno na preparatu Hidrokortizon, 100 mg, liofilizat za rastvor za injekcije. Inicijalno postavljeni parametri kvaliteta su provereni prvo kroz studije stres stabilnosti sa posebnim akcentom na promenu koncentracije slobodnog hidrokortizona, odnosno definisanje degradacionog profila ispitivanog proizvoda. Ispitivanje je vršeno pod uslovima povišene temperature (40 , 50 i 60 °C) u trajanju od tri, odnosno šest meseci. Rezultati su pokazali da dolazi do porasta koncentracije slobodnog hidrokortizona u funkciji vremena i temperature. Takođe, detekovano je prisustvo pet degradacionih proizvoda. Dobijeni rezultati u toku stres ispitivanja stabilnosti su korišćeni u statističkim proračunima. Potvrda kako definisanog kvaliteta proizvoda, tako i predviđanja stabilnosti korišćenjem in silico metoda, dobijena je kroz ispitivanje stabilnosti metodom formalnog ispitivanja, pod uslovima ubrzanog (40 °C/75% RH), intermedijernog (30 °C/65% RH) i dugotrajnog starenja (25 °C/60% RH). Tokom ispitivanja, detektuje se porast koncentracije slobodnog hidrokortizona, ali i srodnih supstanci (nečistoća) koje se javljaju pod uticajem temperature (nečistoće A, B, D i E), odnosno C koja je proizvod fotodegradacije. Ovi degradacioni proizvodi nastaju intramolekulskim premeštanjima. U opisivanju brzine degradacije hidrokortizona, korišćene su metode multiple regresione analize (MRA) i dinamičke neuronske mreže (DNM), a dobijeni rezultati su poređeni sa rezultatima ispitivanja uzorka pod uslovima ubrzanog i dugotrajnog starenja. Primenom MRA dobijene su visoke vrednosti koeficijenta korelacije (R2 od 0,95 do 0,99), osim za slobodni hidrokortizon (0,65), nečistoću C (0,73) i slobodne nespecificirane (0,74), što pokazuje da postoji dobra korelacija između predviđenih i eksperimentalno dobijenih odgovora. Kada je primenjena neuronska mreža tipa RJDM, visoke vrednosti koeficijenta korelacije (od 0,96 do 0,99) pokazuju da je mreža obučena da predvidi stepen degradacije hidrokortizona na 25 oC u različitim vremenskim intervalima. Dobijeni rezultati pokazuju da se obe in silico metode mogu uspešno koristiti u predviđanju procenta nečistoća i brzine degradacije lekovitih supstanci. Prednost korišćenja neuronskih mreža je ta, što je sa njom moguće istovremeno manipulisati sa svim odgovorima (tj. nečistoćama), tj. vrlo jednostavno, jednom kada je mreža istrenirana, predvideti koncentracije svih nečistoća ispitivanih preparata na bilo kojoj temperaturi i u bilo kom vremenu.