Курсовая работа по дисциплине «Фармацевтическая технология» на тему «Автоматизация и цифровые технологии в производстве лекарств. курсовая. Автоматизация и цифровые технологии в производстве лекарственных средств
 Скачать 75.69 Kb.
|
|
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Кафедра «Общая и клиническая фармакология» Курсовая работа по дисциплине «Фармацевтическая технология» на тему «Автоматизация и цифровые технологии в производстве лекарственных средств» Специальность - 33.05.01 «Фармация» Выполнила студентка: ___________ Руководитель: ст.преподаватель __________ Работа защищена с оценкой: ___________________ Дата защиты: ____________________________ 2020 Оглавление Введение……………………………………………………………...........3 Цифровые лаборатории………………………………………………4 Автоматизированные лаборатории...………………………………….8 Типичные ошибки внедрения автоматизированных технологий, препятствующих модернизациям……………………………………11 Главная инновация в производстве лекарств……….……………...14 Преимущества автоматизации в фармацевтическом производстве.15 Наполнение, инспекция, упаковка…………………………….15 Персонализированные лекарства…………………………….16 Робототехника в лаборатории………………………………..17 Заключение…………………………………………………………..........19 Список используемых источников...………..…………………………....20 Введение Новые технологии, которые характеризуют нашу современность - от подключения к интернету до продвинутой аналитики, робототехники и автоматизации—имеют потенциал революционизировать каждый элемент фармацевтических лабораторий в течение следующих пяти-десяти лет. Первые примеры использования в реальной жизни привели к увеличению производительности на 30-40% в уже зрелых и эффективных лабораторных средах, а полный спектр улучшений может привести к сокращению более чем на 50% общих затрат на контроль качества. Оцифровка и автоматизация также обеспечат более высокое качество и соответствие требованиям за счет уменьшения ручных ошибок и вариабельности, а также позволят быстрее и эффективнее решать проблемы. Примеры использования продемонстрировали более чем 65-процентное сокращение отклонений и более чем 90-процентное ускорение времени закрытия. Предотвращение серьезных проблем с соблюдением требований само по себе может принести миллионную экономию средств. Кроме того, повышенная гибкость и более короткое время тестирования могут сократить время выполнения различных лабораторных исследований на 60-70 процентов и в конечном итоге привести к выпуску продукции в режиме реального времени. 1 Цифровые лаборатории Многочисленные цифровые и автоматизированные технологии создали возможности для изменений в фармацевтических лабораториях. Большинство фармацевтических лабораторий еще не достигли цифровой трансформации, но они могут стремиться к одному из трех будущих горизонтов технологической эволюции. Экзоскелеты для чтения мыслей, цифровые татуировки, 3D-печатные препараты, RFID-имплантаты для рекреационных целей: поразительные инновации приходят в медицину и здравоохранение почти каждый день. Цифровые лаборатории обеспечивают, по меньшей мере, 80% безбумажных операций. Эти лаборатории переходят от ручной транскрипции данных и проверки от второго лица к автоматической транскрипции данных между оборудованием и общей лабораторной информационно-управляющей системой (GLIMS). Цифровые лаборатории используют расширенную аналитику данных в реальном времени и непрерывную проверку процессов для отслеживания тенденций, предотвращения отклонений или несоответствий техническим требованиям и оптимизации планирования. Они используют цифровые инструменты, такие как смарт-очки, чтобы перевести стандартные операционные процедуры в пошаговое визуальное руководство о том, как выполнить процесс. Они создают цифровой близнец лаборатории, чтобы предсказать воздействие, прежде чем вносить физические изменения. Все это доступные в настоящее время технологии, причем время воздействия составляет всего три месяца для каждого случая. Средняя химическая лаборатория контроля качества может снизить затраты на 25-45 процентов, достигнув цифрового лабораторного горизонта. Потенциальная экономия в средней микробиологической лаборатории составит от 15 до 35 процентов. Повышение производительности труда происходит из двух основных источников: устранение до 80 процентов ручной документооборотной работы автоматизация и особенно Оптимизация планирования и планирования для улучшения использования персонала, оборудования и материалов При меньшем количестве ошибок, допускаемых вручную, и анализе первопричин с помощью данных лаборатории могут сократить рабочую нагрузку на исследования на целых 90 процентов. Цифровые лаборатории также извлекают выгоду из улучшения соответствия требованиям за счет уменьшения ошибок и вариабельности, а также беспрепятственного поиска и анализа данных. Повышенная производительность и гибкость планирования также могут сократить время выполнения лабораторныхработ 1 на 10-20 процентов. Одна крупная глобальная фармацевтическая компания перешла в цифровую лабораторию на своем итальянском заводе digitallighthouse. Производительность лаборатории на объекте подскочила более чем на 30 процентов после того, как компания внедрила усовершенствованную оптимизацию расписания, используя модульную и масштабируемую платформу digital-twin, адаптированную к конкретным ограничениям планирования лаборатории. Сайт также использовал расширенную аналитику, чтобы уменьшить отклонения на 80 процентов, полностью устраняя повторяющиеся отклонения и ускоряя закрытие отклонений на 90 процентов. Фармацевтические компании имеют много вариантов, когда речь заходит о выборе и настройке технологических решений для создания цифровых лабораторий. В дополнение к пользовательским платформам digital-twin и advanced-analytics другие решения включают в себя аналитические данные в реальном времени от IoT-платформ, таких как ThingWorx, программное обеспечение для планирования лабораторий, такое как Bookitlab или Smart-QC, а также цифровые помощники с визуальными операционными процедурами от поставщиков, таких как Tulip. Автоматизированные лаборатории Автоматизированные лаборатории используют роботов, коботов или более специфические передовые технологии автоматизации для выполнения всех повторяющихся задач, таких как доставка и подготовка образцов. На этапе автоматизированной лаборатории некоторые высокообъемные тесты (например, обнаружение микробов и воды для стерильности) выполняются онлайн, а не в физических лабораториях. Автоматизированные лаборатории также могут использовать технологии прогнозного обслуживания для планирования нечастых задач, таких как техническое обслуживание большого оборудования, которое может выполняться аналитиками лаборатории с удаленной экспертной поддержкой. Хотя полное внедрение цифровых технологий не является обязательным условием, автоматизированные лаборатории могут опираться на цифровизацию, чтобы обеспечить большую ценность и более высокую экономию затрат. Автоматизированные микролаборатории позволяют дополнительно сократить расходы на 10-25% внутри лаборатории, а также получить аналогичную экономию за ее пределами. Те же самые улучшения в химических лабораториях имеют потенциал для получения 10-20-процентной экономии сверх того, что достигается в цифровых лабораториях с поддержкой. Повышение производительности достигается за счет автоматизации до 80 процентов задач по отбору и доставке проб и до 50 процентов задач по подготовке проб, а также за счет снижения затрат на техническое обслуживание оборудования за счет дистанционного мониторинга и предотвращения отказов. Автоматизация также сокращает отбор проб и связанные с этим логистические задачи, выполняемые операциями вне лаборатории, что дает эквивалент до 25% экономии лабораторных затрат2 для микролабораторий и до 8 процентов эквивалентной экономии лабораторных затрат для химических лабораторий. Фармацевтические компании также могут получить дополнительные преимущества помимо эффективности. Возможности дистанционного мониторинга и прогнозирования технического обслуживания, встроенные в оборудование, сократят время простоя и в конечном счете позволят компаниям сократить использование дорогостоящих устройств, таких как хроматография, спектрометры ближнего инфракрасного диапазона и изоляторы. Переходя к мгновенному обнаружению микроорганизмов для мониторинга окружающей среды, компании могут также сократить общее время выполнения лабораторных исследований на 40-75%. Технологии уже существуют—в медицинских и исследовательских лабораториях или в производственных операциях—которые могут быть адаптированы к фармацевтическим лабораториям относительно простым способом, чтобы достичь горизонта автоматизированных лабораторий. Поставщики, предлагающие решения, включают Aethon и MICROMO (системы распределения образцов), BioVigilant, Colifast (онлайн-системы микробиологического тестирования), Metrohm и Sotax (автоматизированная подготовка образцов), Milliflex, Световодные системы (оптимизация рабочего потока с визуальным руководством) и Scope (вспомогательное техническое обслуживание). Распределенный контроль качества представляет собой настоящее нарушение традиционных способов обеспечения контроля качества. На этих объектах почти все рутинные испытания продукта будут проходить на производственной линии, что позволит проводить испытания выпуска в режиме реального времени (RTRT). Оборудование и роботы на распределенных объектах контроля качества обладают возможностями искусственного интеллекта. В сценарии распределенного контроля качества лаборатории продолжают выполнять специальные и стабильные испытания. Это тестирование может проводиться за пределами объекта в централизованном месте. Внедрение технологических аналитических технологий (ПАТ) и РТРТ было относительно медленным из-за нормативных требований к подаче заявок и утверждению. Чтобы иметь возможность плавно перейти к онлайн-тестированию в будущем, компании должны начать сотрудничать с R&D уже сейчас, чтобы разработать оптимальную стратегию контроля качества и подачи заявок, особенно для новых продуктов и производственных площадок. Распределенные средства контроля качества в первую очередь повышают ценность за счет значительного сокращения площади и затрат традиционной лаборатории. Из-за значительных потребностей в инвестициях в НИОКР, а также необходимости в оборудовании и эксплуатационных изменениях существующие площадки со стабильными или снижающимися объемами вряд ли станут убедительным бизнес-обоснованием для распределенного контроля качества в краткосрочной и даже среднесрочной перспективе. В то же время быстро растущие или строящиеся объекты могут получить значительную выгоду от сокращения капитальных вложений в строительство или расширение традиционных лабораторий контроля качества, если они смогут перенести значительную долю рутинных испытаний в онлайн-режим. Распределенный контроль качества и выпуск в режиме реального времени также позволят обеспечить подлинные непрерывные производственные процессы Оцифровка и автоматизация преобразуют работу по контролю качества в лаборатории и цехе, внедряя новые способы работы. Например, Biogen планирует использовать этот распределенный метод контроля качества выпуска и проверки в режиме реального времени в исключительных случаях на своем новом производственном объекте близ Золотурна, Швейцария. Когда производство начнется в 2019 году, завод в Золотурне добьется контроля сырья с помощью скрининга и генеалогии с минимальным тестированием с использованием быстрой идентификации и электронного обмена данными. Процессы биореактора контролируемые через встроенные аппаратуры исключат потребность для забора управления производственным процессом. Новая установка будет иметь адаптивные рычаги управления технологическим процессом, лабораторное исполнение по рецептуре и автоматизированную транскрипцию данных со всего оборудования, основанную на глубоком понимании сырья, процессов и характеристик продукта. Интегрированная система управления позволяет сотрудникам видеть данные и реагировать в режиме реального времени. По мере того как фармацевтические компании начинают изучать способы создания распределенных объектов контроля качества, они могут быть в состоянии привлечь соответствующие технологии из соседних пространств. Например, платформа PharmaMV от PerceptiveEngineering и платформа Sipat от Siemens могут обеспечить расширенное управление технологическим процессом, необходимое для обеспечения параметрического высвобождения. Между тем, системы искусственного интеллекта от таких компаний, как Arago и IBM, могут позволить фармацевтическим компаниям автоматизировать задачи, которые исторически выполнялись высококвалифицированными специалистами. (Подробнее об усилиях одной компании см. боковую панель " на пути к будущему: как одна компания изучает и внедряет новые технологии контроля качества.”) Типичные ошибки внедрения автоматизированных технологий, препятствующих модернизациям По мере развития фармацевтических лабораторий они сталкиваются со значительными затратами, связанными с внедрением ИТ-решений и решений автоматизации. Даже дорогостоящие решения могут обеспечить сильную положительную отдачу от инвестиций (ROI), но многие компании, к сожалению, изо всех сил пытаются извлечь выгоду из этих цифровых обновлений. Эти компании обычно сталкиваются с одним или несколькими из следующих подводных камней: Не имея четкого представления о том, какой горизонт эволюции является правильной целью для конкретной лаборатории. В то время как большинство лабораторий могут сделать солидный бизнес-кейс для цифрового горизонта, не все лаборатории имеют достаточные объемы и оперативную настройку, чтобы оправдать автоматизацию и распределенный контроль качества. Например, может быть трудно оправдать инвестиции в автоматизацию небольшой лаборатории, где потенциальная экономия затрат может составлять менее 200 000 долларов в год, в то время как те же инвестиции могут быстро генерировать положительную рентабельность инвестиций для крупного стерильного объекта со значительными объемами экологического мониторинга. Не имея убедительного бизнес-обоснования для трансформации. Многие компании начинают внедрять дорогостоящие ИТ-системы без четкого понимания всех преимуществ, которые могут принести такие решения. Это часто приводит к задержкам в реализации и развертыванию частичных решений. Например, лаборатории могут перейти на безбумажные системы на отдельных модулях, но все еще нуждаются в значительных ручных усилиях для перемещения данных из одной системы в другую. Это может привести к ситуациям, когда аналитики должны записывать результаты испытаний в бумажный журнал, прежде чем вручную вводить данные в лабораторную информационно-управляющую систему (ЛИМС). Этот шаг ручного ввода не позволяет им получить полную экономию, которую они должны получить от автоматизации документации. Ориентируясь на полностью протестированный сквозной прототип будущего состояния, а не на тестирование и быстрое масштабирование дорогостоящих решений для получения быстрых выигрышей. Например, автоматизация и оптимизация расписания могут быть реализованы быстро и начать генерировать значительную ценность, даже если лаборатория еще не является в основном безбумажной и полностью оцифрованной. Отсутствие надлежащего планирования или управления внедрением новых систем и технологий. В крайних случаях фармацевтическим компаниям может потребоваться несколько лет и более 100 миллионов долларов, чтобы внедрить ЛИМС. Учитывая столь длительные временные рамки и быстрые темпы технологических изменений, некоторые возможности LIMS могут устареть еще до того, как они будут внедрены во всей сети. Фармацевтические компании нуждаются в квалифицированных ресурсах для ускорения внедрения и должны избегать соблазна заниматься чрезмерной настройкой на каждом сайте. Неудачное внедрение может стоить в пять-десять раз дороже и занять в три-пять раз больше времени, чем правильно спланированная инвестиция, выполненная с хорошим долгосрочным планированием. Не имея полного представления о возможностях приобретаемых ими систем. Фармацевтические компании могут приобрести такую систему, как LIMS, для соблюдения правил целостности данных, не понимая по-настоящему или не принимая во внимание потенциал системы для повышения производительности труда. Преследуя автоматизацию, а не оптимизацию. Автоматизация планирования может обеспечить от 2 до 3 процентов экономии затрат на контроль качества, но автоматизация плюс динамическая Оптимизация планирования может принести в три-четыре раза больше пользы. Самоналоженные ограничения, вызванные осознанной необходимостью проверки всех систем и технологий. Многие важные изменения, такие как оптимизированное планирование и анализ отклонений с поддержкой данных, не требуют проверки и доработки. Отсутствует набор навыков для извлечения полной ценности из их данных. Большинство типичных фармацевтических лабораторий не обладают передовыми аналитическими возможностями, необходимыми для получения максимального значения из источников данных. В результате лаборатории собирают данные, но эти данные не используются должным образом для получения информации, которая могла бы предотвратить проблемы или уменьшить объемы тестирования. Тратить слишком мало времени и сил на разработку надежной программы управления изменениями. Цифровая трансформация требует радикальных изменений в мышлении и имеет серьезные последствия для организации и отдельных сотрудников, которые должны развивать новые навыки и компетенции. Чтобы добиться успеха, компании должны делать авансовые инвестиции в изменение культуры, завоевание бай-ина во всем бизнесе и налаживание прочных связей между бизнесом и ИТ-функциями. Главная инновация в производстве лекарств Если оружие, плитки шоколада, даже целые дома теперь могут быть напечатаны в 3D, и биотехнологическая промышленность даже работает над печатью живых клеток; почему появление 3D-печатных лекарств должно быть удивительным? Это логическое продолжение, которое уже происходит. В августе 2015 года FDA одобрило препарат от эпилепсии под названием Spritam, который производится 3D-принтерами. Он печатает порошкообразный препарат слой за слоем, чтобы заставить его растворяться быстрее, чем обычные таблетки. В июне 2015 года британская газета DailyMail сообщила, что ученые из Университетского колледжа Лондона экспериментируют с 3D-печатью лекарств в странных формах, таких как динозавры или осьминоги, чтобы облегчить детям прием таблеток. Эти ученые, а именно профессор Абдул Басит и профессор СаймонГейсфорд, увидели огромный потенциал в 3D-печати для медицины и фармацевтики; таким образом, они создали FabRx в 2014 году. Они сказал медицинскому футуристу, что они смогут коммерциализировать печатные таблетки в течение ближайших 5-10 лет(Рисунок 1).  (Рисунок 1)Преимущества автоматизации в фармацевтическом производстве Современная фармацевтическая промышленность восходит к местным аптекам, которые распространяли ботанические препараты среди местных сообществ. Аптеки расширились до оптового производства в середине 1800-х гг. В это время все производственные процессы были ручными, и часто требовалось несколько человек, чтобы изготовить один флакон лекарства. Недавнее исследование, проведенное Ассоциацией упаковочных и перерабатывающих технологий (PMMI), предсказало, что роботы будут обрабатывать 34 процента операций первичной фармацевтической упаковки в Северной Америке к 2023 году. Увеличение использования роботов особенно заметно в дозировании, сортировке, сборке комплектов и легкой обработке машин. Преимущества включают в себя большую скорость и точность, большую гибкость и большую надежность. Поскольку использование робототехники в фармацевтической промышленности быстро растет, важно учитывать преимущества новейших технологий для производителей, исследователей и ученых. 5.1 Наполнение, инспекция и упаковка Фармацевтическая промышленность производит миллионы таблеток каждую неделю, и все они должны быть тщательно проверены, прежде чем быть упакованы и отправлены дистрибьюторам. Во время этой проверки производители лекарств должны убедиться, что правильное количество лекарств с точным химическим составом и весом точно упаковано в соответствующие контейнеры. Большинство фармацевтических упаковочных систем используют автоматизацию для управления ориентацией бутылок, укупоркой, маркировкой и системами сортировки. Автоматизация упаковки также требует наличия системы, которая контролирует работу на супервизорном уровне, проверяя наличие низких уровней бункера, упавших бутылок и низкоуровневых расходных материалов. До недавнего времени рамановская спектроскопия не находила широкого применения в фармацевтической промышленности. Однако в последние несколько лет развитие отрасли в сочетании с усовершенствованием Рамановских приборов вызвало растущий интерес к этой технологии. Рамановская спектроскопия измеряет молекулярные колебания и изменения энергии вращения каждой таблетки, гарантируя правильность их химических соединений перед распределением. Это всего лишь один из этапов фармацевтической инспекции — автоматизация и машинное обучение также применяются для обеспечения того, чтобы продукты упаковывались в правильные бутылки и коробки с правильной маркировкой. 5.2 Персонализированные лекарства Несмотря на различия в генетике, возрасте и поле, большинство людей получают одинаковое лечение, когда им ставят один и тот же диагноз. Это происходит потому, что даже лучшие ученые и врачи мира не до конца понимают, как у людей развиваются болезни и как они реагируют на лечение. Это привело к универсальному подходу к медицине, основанному на широких средних показателях численности населения. Совсем недавно фармацевтическая промышленность стала свидетелем появления персонализированной медицины, приблизив отрасль к более точному, предсказуемому здравоохранению, которое адаптировано к индивидуальному пациенту. Опираясь на наше расширенное понимание генетики и геномики, все больше врачей обеспечивают лучшую профилактику заболеваний, более точные диагнозы, более безопасные рецепты лекарств и более эффективные методы лечения. Персонализированные лекарства нуждаются в автоматизации, чтобы полностью раскрыть свой потенциал. Автоматизация и круглосуточная обработка уже способствовали созданию среды, в которой персонализированная медицина становится коммерчески жизнеспособной. Более широкое использование секвенирования генома для отдельных людей и продолжение разработки лекарств, доказавших свою эффективность для конкретных генетических предрасположенностей, будут продолжать ускорять эту тенденцию. Без автоматизации и робототехники ученые часто сталкиваются с трудностями ручного тестирования геномов отдельных людей. Современный автоматизированный скрининг с высокой пропускной способностью позволяет ученым получать доступ к огромному объему данных практически без ручного взаимодействия. Это снижает затраты и увеличивает скорость, с которой система может анализировать последовательности генов. Автоматизированные системы также имеют возможность анализировать информацию, включая истории болезни пациентов, данные генотипов, семейное наследство и биомедицинские исследования. С помощью этого глубокого автоматизированного анализа данных и интеллектуальной интерпретации можно построить индивидуальные клинические и молекулярные профили каждого пациента и использовать их для персонализации медицины и ухода. Это особенно важно для редких заболеваний, когда отдельные профили пациентов могут быть собраны и сопоставлены с аналогичными случаями во всем мире. 5.3Робототехника в лаборатории Фармацевтическая промышленность все чаще использует робототехнику для автоматизации конкретных процессов разработки лекарств, включая скрининг лекарств, борьбу с контрафакцией и производственные задачи. Сегодня в таких процессах, как ядерный магнитный резонанс (ЯМР) и высокоэффективная жидкостная хроматография (ВЭЖХ), подготовка образцов может осуществляться с помощью роботизированных манипуляторов. Кроме того, структурный анализ белка может быть выполнен автоматически с использованием комбинации ЯМР и рентгеновской кристаллографии. Рентгеновская кристаллография является важным методом, используемым при обнаружении лекарственных препаратов, и включает в себя детальный анализ кристаллических структур белково-лигандных комплексов. Это позволяет изучать специфические взаимодействия между конкретным лекарственным средством и его белковой мишенью на атомарном уровне. Этот процесс часто требует сотен или тысяч экспериментов, чтобы создать белковый Кристалл, пригодный для рентгеновской кристаллографии. Автоматизированная микропипеточная машина может позволить создать почти миллион различных кристаллов одновременно и проанализировать их с помощью рентгеновской кристаллографии. Несмотря на эти преимущества, многие фармацевтические производители все еще с опаской относятся к робототехнике, рассматривая ее как новую технологию, которая слишком сложна для внедрения. Беспокойство, связанное с затратами, простотой использования и приемлемостью для персонала, часто отпугивает компании от внедрения этой технологии, особенно МСП, которые считают, что только крупные производители могут себе это позволить. На самом деле, робототехника может быть отличным капиталовложением. Отдача от инвестиций часто приходит в виде экономии энергии, гибкости, высокой скорости производства и повышения качества. В последнее время робототехнические технологии также становятся более доступными для малого бизнеса, поскольку их стоимость снижается, и они становятся более простыми в использовании. Заключение В настоящее время различные компании разрабатывают целый ряд дистанционных счетчиков таблеток, систем верификации и компонентов автоматизации аптек для повышения точности, безопасности, скорости и эффективности дозирования лекарств. Продукты, которые используются в розничной торговле, почтовом заказе, амбулаторных больницах и специализированных аптеках, а также в промышленных условиях, таких как производственные и компонентные заводы. Эти передовые системы будут продолжать обеспечивать точный подсчет без необходимости регулировки или калибровки при подсчете в различных производственных средах. В период с 1990-х по 2020 год на рынок вышли многочисленные новые продукты автоматизации аптек. В течение этого периода были внедрены технологии подсчета, робототехника, программное обеспечение для управления рабочими процессами и интерактивные системы распознавания голоса (IVR) для розничной торговли (как сетевой, так и независимой), амбулаторных, государственных и закрытых аптек (почтовый заказ и центральное заполнение). Кроме того, была введена концепция масштабируемости - перехода от продукта начального уровня к следующему уровню автоматизации (например, технология подсчета к робототехнике)-и впоследствии в 1997 году была запущена новая линейка продуктов. Фармацевты во всем мире переходят на автоматизацию благодаря ее повышенной скорости, большей точности и лучшей безопасности. По мере развития отрасли и роста ожиданий потребителей автоматизация становится все менее роскошной и все более необходимой. Особенно для независимых аптек автоматизация теперь является средством поддержания конкуренции с крупными сетевыми аптеками. Список используемых источников В.Ф. Фролов. Лекции по курсу "Процессы и аппараты химической технологии". – М.: Химиздат, 2003. – 608 с. В.Ф. Фролов. Лекции по курсу "Процессы и аппараты химической технологии". – М.: Химиздат, 2008. – 608 с. И.И. Краснюк, Г.В. Михайлова. Фармацевтическая технология. Технология лекарственных форм. Руководство к практическим занятиям. – М.: ГЭОТАР-Медиа, 2012. – 544 с. И.Сарвилина, В.Каркищенко, Ю.Горшкова. Междисциплинарные исследования в медицине. – М.: Техносфера, 2007. – 368 с. Иващенко, А. А., Кравченко Д. В., Концепция инновационного развития отечественной фармацевтической отрасли/А. А. Иващенко, Д. В. Кравченко//Ремедиум.- 2008.- №5 Инновационные технологии и оборудование фармацевтического производства. Том 2. – М.: Бином, 2013. – 480 с. Романова, С. А., Захарова, С. Б. Медицинская промышленность: «первоквартальные достижения»/С. А. Романова, С. Б. Захарова//Ремедиум.- 2009.- №2 Ali Al Shawi and Ma Tonghui. Future Discovering Trends from Chinese Medicine Herbs as Anti-cancer. – М.: LAP Lambert Academic Publishing, 2012. – 136 с. Arun Kumar G. Medicine Manufacturing Industry Automation Using Microcontroller. – М.: LAP Lambert Academic Publishing, 2013. – 52 с. Dutta S and Sachan K: Computer-aided drug design a new approach in drug design and discovery. International Journal of Pharmaceutical Sciences Review and Research 2010; 4 (3): 146-151. Gradman AH, Schmieder RE, Lins RL, Nussberger J, Chiang Y and Bedigian MP: Aliskiren, a novel orally effective renin inhibitor, provides dose-dependent anti-hypertensive efficacy and placebo-like tolerability in hypertensive patients. Circulation 2015; 111(8): 1012-1018. Herbert W. Nickens, Adrienne Y. Stith, Lois Colburn, Clyde H. Evans, Brian D. Smedley, Institute of Medicine, Symposium on Diversity in Health Professions in Honor of Herbert W. Ni. The Right Thing to Do, The Smart Thing to Do: Enhancing Diversity in the Health Professions. – М.: 4 –97. JosephTL, NamasivayamV, PoongavanamVиKannanS: Insilico подходыкоткрытиюиразработкелекарств. BenthamSciencePublishers 2017; 3: 3-74. Mark Rossman. Automated Detection of Hematological Patterns Through Machine Learning. – М.: LAP Lambert Academic Publishing, 2014. – 128 с. Mary Louise Turgeon. Immunology & Serology in Laboratory Medicine (Immunology & Serology in Laboratory Medicine ( Turgeon)). – М.: , 2008. – 544 с. |