郭莎, 郭翔, 高洁, 许东泽, 梅玉婷, 王翠, 夏喜杰, 李灵坤, 贺鹏飞, 吴宏宇, 吴昊, 王兰
目的:对微流成像技术收集的抗体注射剂的不溶性微粒图片进行分类建模,以建立不溶性微粒的分类和溯源分析方法。方法:本研究首先制备并用微流成像系统获得气泡、硅油液滴、玻璃颗粒、反复冻融产生的蛋白颗粒4种不同类型颗粒的图片,并将这些图片分为训练集和测试集两部分。采用3种卷积神经网络(Convolutional Neural Network,CNN)模型,即ResNet50、DenseNet201和ShuffleNetV2,对训练集中的图片进行训练和识别,建立数据集,并用于对测试集图片的识别。此外,通过在实际样品中的应用,将CNN模型识别和人眼分类的准确性和速度进行对比。结果与结论:各模型对于测试集的识别准确率都达到96%以上,且DenseNet201模型具有更优的稳定性;与人眼识别相比,准确率没有显著差异,识别速度更快且具有显著差异。本研究表明CNN模型能够对蛋白质制剂中不溶性微粒图片进行分类和溯源分析,以便采取有针对性的措施,降低药品的潜在风险和安全隐患。