近红外光谱快速测定健胃消食片薄膜包衣衣膜厚度研究*

★ 吴建程 罗晓健 刘旭海 汪健 乐渝宁 林剑鸣 杨洋 何雁***（1.井冈山大学附属医院 江西 吉安 000；2.中药固体制剂制造技术国家工程研究中心 南昌 0006；.江西中医药大学 南昌 000；.江中制药（集团）有限责任公司 南昌 0096）

片剂的薄膜包衣可以提高片剂防潮、防吸湿性能；增加产品的美观度，同时有利于流通运输等［1-2］。薄膜包衣终点判断是工业生产上质量控制关键环节之一［3］，生产上常根据包衣时间、包衣液用量、包衣增重等［4］指标判断薄膜包衣终点，常用判断方法易受包衣液喷雾干燥、片芯磨损破裂、水分蒸发、工人操作经验等因素影响，难以准确判定包衣终点，容易导致产品质量批间差异大、薄膜包衣质量不稳定。近红外光谱分析技术是近年来用于制药行业的过程分析技术，样品制备简单，可直接对固体药品进行快速、无损检测。该技术已用于缓控释制剂［5］、糖包衣片［6］，滴丸［4］、肠溶片［7］及在线监测［8］等包衣终点判断领域的研究，但在中药片剂薄膜包衣厚度方面的研究尚未报道。本实验以健胃消食片为研究对象，利用近红外光谱分析技术建立健胃消食片衣膜厚度快速、无损的测定方法，为健胃消食片包衣终点在线检测技术研究提供基础。

1 材料与仪器

1.1 材料 欧巴代胃溶型黄色薄膜包衣粉（美国卡乐康（中国区·上海）公司）；片芯及不同包衣时间段的包衣片（江中制药有限责任公司提供）；切片石蜡（熔点范围：57-61℃；上海标本模型厂）。薄膜包衣预混剂（欧巴代III，上海卡乐康包衣技术有限公司）；其他试剂均为分析纯。

1.2 仪器与设备 Bruker MPA型傅立叶变换近红外光谱仪（德国布鲁克光学仪器公司），配有积分球漫反射检测器，附PBS检测器，OPUS光谱采集和处理软件；Unscrambler v9.2软件；LEICA RM2016石蜡切片机（德国徕卡仪器有限公司）；Olympus体视显微镜（SZ61）［日本奥林巴斯株式会社］；Canon Powder Shot G12数码相机（日本佳能公司）；Image-Pro Plus图像分析软件；测微尺：Openlink TS-M1。高效薄膜包衣机（意大利伊马集团（IMA S.p.A.）型号：HT/F—700）。

2 方法与结果

2.1 不同包衣时间样品收集 健胃消食片为类三角形，片芯直径9mm，片重约为0.8g。采用高效薄膜包衣机包衣，分别在包衣进行60、70、80、90、100、110、120min（按生产工艺要求包衣120min为“成品片”）收集样品，每次200片，共取8批次，用于采集近红外漫反射光谱。

2.2 薄膜包衣片近红外图谱采集 在样品扫描前，近红外光谱仪开机预热30min并进行峰位校正。测试通过后以空气为参比扣除背景，采用积分球漫反射方式开始采集近红外光谱。每个待测样品正反面重复扫描3次，取其平均值。每组测试20片。

采集条件：扫描波长频率范围为12000～4000cm-1，扫描步长4cm-1，扫描次数32次，分辨率8cm-1，环境温度23±1℃，相对湿度42±2%。采集得到原始光谱经OPUS光谱分析软件处理后得相应的样品平均光谱，如图1所示。结果显示：包衣60min至包衣成品片，其近红外原始平均光谱变化平稳有序，重叠性高，存在较多的冗余信息，为提取光谱中有效信息，光谱须做进一步预处理。

图1 健胃消食片近红外原始平均图谱

图2 利用光学显微镜测量衣膜厚度

表1 不同包衣时间样品衣膜厚度分布情况（） μm

表1 不同包衣时间样品衣膜厚度分布情况（） μm

时间 14110013 14110078 14120006 14120031 15010002 15020068 15030102 15040094 60min. 5.32±1.17 5.46±1.05 6.04±1.43 4.87±1.39 5.18±1.26 5.28±1.09 3.52±1.27 5.43±1.04 70min. 7.28±0.89 7.23±0.67 6.94±1.01 7.07±0.95 7.13±1.14 7.26±0.75 6.79±0.96 7.37±0.77 80min. 9.22±0.67 8.95±0.51 8.66±0.49 9.04±0.62 8.87±0.68 9.24±0.53 9.12±0.56 9.28±0.63 90min. 10.66±0.54 10.87±0.49 11.14±0.37 11.26±0.32 9.57±0.46 10.95±0.33 11.35±0.37 10.97±0.52 100min. 12.46±0.50 12.33±0.63 13.02±0.37 12.39±0.63 12.89±0.52 13.11±0.29 11.85±0.62 12.77±0.39 110min. 14.57±0.27 14.09±0.15 14.88±0.19 15.33±0.20 13.52±0.12 14.29±0.08 14.83±0.15 14.08±0.23 120min. 16.78±0.09 16.53±0.11 17.12±0.08 16.51±0.14 15.52±0.07 16.65±0.06 15.99±0.18 17.05±0.06

由表1可知，8批片芯随着包衣时间增加，衣膜厚度逐渐增大。对表1数据进行方差分析，如表2所示。表2结果表明8批样品不同包衣时间的衣膜厚度无显著性差异（P＞0.05），说明包衣过程不同批次间样品衣膜厚度的差异小，包衣质量稳定。

表2 样品衣膜厚度方差分析

2.4 薄膜包衣片衣膜厚度NIRS定量模型的建立

2.4.1 校正集与验证集样本的选择 在所采集的8批次7个不同包衣时间段包衣片（共1120个样品）的近红外平均光谱中，随机选取其中的2/3作为校正集样品，其余1/3作为验证集样品。

2.4.2 光谱区间及预处理方法的选择 样品近红外光谱常出现许多高频随机噪音、基线漂移等干扰［9］，同时由于样品不均匀和光散射等因素导致的干扰信息也会被带入光谱中［10］。因此，在光谱正式分析之前需对光谱数据进行预处理以滤除噪音。

本实验运用OPUS自带的定量分析软件进行自动优化，将各种光谱预处理方法排列组合后再利用PLSR建模。利用决定系数（R2）和内部交叉验证均方根误差（Root Mean Square Error of Cross Validation，RMSECV）作为定量模型的评价参数［11］，以考察不同波长范围和预处理方法对模型评价参数的影响。样品光谱选择范围和预处理方法经OPUS软件处理，结果见表3。表3可知，在波数位于6101.9～4246.7cm-1内，以一阶导数+标准正态变量变换（Standard Normal Variable transformation，SNV）（17平滑点）为预处理方法时，所建模型最佳，决定系数R2=0.9330及RMSECV=1.34均达到最优组合。

表3 不同光谱范围和预处理方法的模型参数结果

图3 最优预处理方法样品近红外光谱

样品原始近红外平均光谱经最佳光谱预处理后，OPUS软件显示其图谱如图3所示。图3结果表明，与样品近红外原始平均吸收光谱相比，经一阶导数+SNV（17平滑点）预处理后的本样品在目标波段（6101.9～4246.7cm-1）内出现更多的吸收峰且各峰形、峰位、峰强结构清晰，易于辨识。因此，从吸收光谱上也再次验证上述光谱区间选择和预处理方式为本模型最佳组合方法。

2.4.3 主因子数的确定 本实验采用OPUS软件内部交互验证法来选择最佳主因子数，即RMSECV最小值所对应的主成分数（Rank）为最佳主因子数。在6101.9～4246.7cm-1内，样品光谱经一阶导数+SNV（17平滑点）预处理后，采用交互验证法确定主因子数。结果见表4。

表4 内部交叉验证均方根误差与主因子的关系

表4结果显示，模型主因子数为7时，RMSECV为1.34，偏移为0.00143，表明RMSECV和偏移均在合理范围内；相对分析误差（Residual Predictive Deviation，RPD）为3.72。一般来说，RPD值大于3表明近红外定量模型较为理想，可以较好地应用于实际预测［12］。因此，本模型采用主因子数为7时预测能力最好。故选择OPUS软件推荐的主因子数。

2.5 近红外光谱定量模型的验证

集团（总局）党委第一时间制订下发了《深入学习宣传贯彻习近平总书记在垦区考察时的重要讲话精神实施方案》。方案要求，垦区上下要深刻领会、准确把握习近平总书记对北大荒一系列重要讲话精神实质和深刻内涵，把思想和行动统一到习近平总书记对农垦改革发展的重大判断和部署要求上来。总局党委宣传部下发了《深入学习宣传习近平总书记重要讲话精神的通知》，召开了学习宣传总书记重要讲话精神新闻策划会议，对新闻媒体营造氛围、推动学习宣传习近平总书记重要讲话精神工作不断普及深入做出部署。垦区各级党组织通过精心组织、周密策划，上下齐动，多措并举，迅速掀起了学习宣传习近平总书记重要讲话的精神热潮。

2.5.1 模型的内外部预测验证 原始平均光谱在波数范围6101.9～4246.7cm-1内，经一阶导数+SNV（17平滑点）预处理，维数为7，建立PLSR包衣膜厚度定量模型。利用校正集光谱进行内部交叉验证，其NIRS预测值与真实值之间的相关性如表5所示。

表5 衣膜厚度内部验证预测值与真实值线性关系

表5结果所示，模型决定系数R2=0.9330，RMSECV=1.34，RPD=3.72。模型经内部交叉验证结果表明样品衣膜真实值与预测值之间存在良好的线性关系。

运用验证集样品（样品总数的1/3）对上述所建预测模型进行外部验证，得验证模型决定系数R2=93.61，预测均方根误差RMSECV=1.28，RPD=4.3。结果表明所建定量模型相关性较好。

2.6 NIRS模型方法学研究

2.5.1 重复性 取1组样品，在同一时间内利用同一采集条件分别对其重复扫描10次近红外光谱，将所得光谱按上述方法建模，计算样品衣膜厚度，考察方法的重复性。计算10次结果的RSD分别为1.80%、1.66%、1.31%、2.24%、1.19%、1.27%、1.83%、2.01%、1.04%（n=10），表明模型重复性较好。

2.5.2 中间精密度 同一样品在6天内分别由不同操作人员进行近红外光谱扫描，将所得光谱按上述方法建模，计算样品衣膜厚度。考察不同人员操作时方法的精密度，RSD分别为2.92%、2.45%、1.99%、1.32%、1.38%、1.16%，表明同一样品经不同人员在不同时间内测量，本模型中间精密度良好。

2.5.3 重现性 由不同操作人员在不同操作环境下（环境1：t=15℃，RH=60%；环境2：t=25℃，RH=42%）对同组样品分别测量3次，每天测量一次，共6次测量结果。以此进行方法学重现性考察。RSD分别为2.56%、2.71%、3.23%、1.93%、2.89%、2.95%，表明样品经不同人员在不同操作环境下测量，本模型重现性良好。

2.7 样品实测值与预测值验证

取10批健胃消食片，每批各10片进行近红外扫描取平均光谱，用所建校正模型得到预测厚度。每批测定衣膜的平均真实厚度。结果见表6。

表6 未知样品衣膜厚度真实值与预测值结果

由表6结果可知，10批未知样品衣膜厚度预测值与真实值相对误差较小，模型预测结果比较可靠。

3 讨论

3.1 切片方法与包衣时间的选择 NIRS法测定衣膜厚度的原理是随着包衣厚度的不同，对应的NIRS有效谱段的吸光度也会不同。其中衣膜厚度真实值可通过光学显微镜-切片法获得，即用石蜡将样品包埋，常温冷却固化后采用锋利刀片按样品竖直方法以每次5μm快切的方法进行样品切片，再利用光学显微镜法获得8批7个不同时间段的薄膜包衣真实厚度值。实验结果表明，片芯随着包衣时间的增加衣膜厚度逐渐增大，包衣60min前，没有形成完整的衣膜，而60min后能够检测到完整的衣膜，故本实验只采用了60min后的样品的近真实衣膜厚度与红外光谱建立数学预测模型。在包衣120min后（即成品片），实验样品衣膜厚度均在15.5～17.0μm，实际生产结果表明其具有较好的防潮、美观效果。

3.2 近红外光谱建模方法分析 近红外光谱由分子振动的非谐振性使分子振动从基态向高能级跃迁时产生。其主要吸收峰是C—H，N—H，O—H等含氢基团的倍频及合频吸收［13］。其波数范围为12820～3959cm-1（780～2526nm）。其中 5500～4000cm-1为近红外谱的合频谱区，样品信息大，是近红外分析最常用的波段［14］；7500～5500cm-1波段是近红外谱的一级倍频谱区，具有潜在的样品信息，但一般须经光谱预处理后方可选用。

将样品进行近红外漫反射扫描获得样品原始平均光谱。样品经不同预处理后对不同波段进行优化选择，其中6101.9～4246.7cm-1波段光谱其谱线高度有较大差异，随厚度增大，吸光度有规律的增大，故选择该波段作为建模波段。NIRS采集过程中，由于受样品的均匀性、外观状态、仪器状态及外界等因素的影响，往往会导致光谱基线发生漂移与偏移。而本实验采用一阶导数法对光谱进行预处理，消除了样品表面不均匀所带来的基线漂移，还可以起到一定的放大和分离重叠信息的作用，有利于建模。但噪声信号也同时被放大，须对光谱进行适当的平滑处理，以提高信噪比，减少随机噪音［15］。但过度的平滑则可导致图谱失真，本实验对常用的平滑点数进行了优化，经比较最终选择平滑点数为17。此外，仍须对光谱进行SNV处理以消除固体颗粒大小、表面散射以及光程变化对近红外漫反射光谱的影响［16］。最终，在波数位于6101.9～4246.7cm-1内，通过一阶导数+SNV（17平滑点）预处理后，利用OPUS自带软件建立定量模型，所建模型的主因子数为7时，决定系数 R2=0.9330、RMSECV=1.34，偏移为 0.00143，RPD=3.72均达到最优组合。

3.3 模型验证

本预测模型分别经内部验证和验证集校正，实验结果表明样品衣膜真实值与预测值之间拟合的线性方程呈显著性，存在良好的线性关系。即NIRS定量模型能在一定程度上预测未知样品的厚度。因此，本文近红外光谱定量模型能够较好预测健胃消食片薄膜衣厚度，从而可以快速判断薄膜包衣终点，为健胃消食片薄膜包衣终点在线检测技术研究提供基础。

［1］袁菊丽.薄膜包衣技术在中药制剂中的应用[J].山东中医药大学学报, 2011, 35(5):456-458.

［2］龙章宇.薄膜包衣在中药胶囊剂中的防潮应用研究[D].成都:成都中医药大学, 2005.

［3］G.Perfetti, F Depypere, S Zafariet al. Attrition and abrasion resistance of particles coated with pre-mixed polymer coating systems [J]. Powder Technology, 2012(230):1-13.

［4］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[J].中草药, 2006, 37(5):685-688.

［5］吴秋云.硝苯地平缓控释制剂的质量分析[D].南京:南京农业大学,2015.

［6］刘冰,陈晓辉,史新元,等.近红外光谱法快速测定乳块消糖衣片的包衣厚度[J].药物分析杂志, 2009, 29(9):1 435-1 439.

［7］邱素君,何雁,张国松,等.近红外光谱快速测定柴胡总皂苷肠溶片包衣膜厚度研究[J].中国中药, 2013, 48(24):2 128-2 133.

［8］C.Gendre, M Boiret, M Gentyet al. Real-time predictions of drug release and end point detection of a coating operation by in-line near infrared measurements [J]. International Journal of Pharmaceutics,2011(421):237-243.

［9］M. Ruotsalainen, J Heinämäki, J Rantanenet al. Development of an automation system for a tablet coater [J]. AAP-S PharmSciTech, 2002,3(2):1-12.

［10］柳艳云,胡昌勤.近红外分析中光谱波长选择方法进展与应用[J].药物分析杂志, 2010, 30(5):968-975.

［11］陈华才,陈星旦.近红外光谱在药物领域的应用与研究进展[J].中国计量学院学报, 2003, 14(4):261-267.

［12］王学琳,孙淑萍,铁梅,等.傅里叶变换近红外光谱进展[J].现代仪器, 1999, 6(4):1-3.

［13］SAEYS W, MOUAZEN A M, RAMON H, et al. Potential for on-site and online analysis of pig manure using visible and near infrared reflectance spectroscopy [J]. Biosys Eng, 2005, 91(4):393-402.

［14］LA. Felton. Mechanisms of polymeric film formation [J]. International Journal of Pharmac-eutics, 2013(457):423-427.

［15］陆婉珍.现代近红外光谱分析技术（第二版）[M].北京:中国石化出版社, 2007:76-81.

［16］LU W Z. Modern Near Infrared Spectroscopy Analytical Technology [M].2nd ed. Beijing:China Petroleum Press, 2006:35-36．