12 Pharmaceutical Technology Edición Sudamérica 2026 - N º199 la formulación, coincide Price. "Mediante el uso de IA/AA, los científicos pueden optimizar el proceso de formulación, reduciendo eficazmente el margen de diseño. Esto les permite concentrarse en formulaciones y excipientes que probablemente tengan un impacto significativo, en lugar de perderse en exhaustivas pruebas de ensayo y error". “Además, la IA/AA permite a los investigadores explorar una gama más amplia de opciones, facilitando soluciones innovadoras sin la gran inversión de tiempo que suelen requerir los ensayos de formulación tradicionales”. Por ejemplo, prevé que las empresas aprovechen las tecnologías de IA/AA para investigar una gama más amplia de productos químicos y soluciones, probando cosas que van más allá de lo obvio, lo que fomenta una mayor innovación en la formulación de fármacos. “Este cambio estratégico podría, en última instancia, conducir a terapias más eficaces y mejores resultados para los pacientes”, afirma. Mejora del modelado de formulación predictiva Según Price, el desarrollo de formulaciones se ha basado tradicionalmente en modelos mecanicistas o simplificados para guiar la toma de decisiones y optimizar los resultados. Algunos ejemplos incluyen el uso de la ecuación de Arrhenius para predecir la estabilidad de los fármacos en condiciones aceleradas, o la Regla de los Cinco de Lipinski, que proporciona una comprensión heurística para evaluar la similitud farmacológica y la biodisponibilidad oral de moléculas pequeñas. Estos modelos, basados en la fisicoquímica y en reglas empíricas, han aportado un valor significativo, aunque a menudo requieren datos limitados para producir resultados precisos e interpretables para sistemas bien comprendidos, señala Price. La mayor complejidad de los fármacos candidatos actuales, combinada con el mayor volumen y variedad de datos de formulación disponibles, revela las limitaciones de los modelos mecanísticos para resolver algunos desafíos de formulación, afirma Price. Muchas moléculas de fármacos nuevos quedan fuera del ámbito químico de la "regla de cinco" y presentan comportamientos que no se pueden captar fácilmente mediante ecuaciones convencionales. En este panorama en constante evolución, los modelos de IA/AA ofrecen ventajas distintivas. Los algoritmos de AA pueden procesar y aprender de grandes conjuntos de datos multidimensionales, capturando relaciones sutiles y no lineales entre las variables de la formulación y resultados como la solubilidad, la estabilidad y la biodisponibilidad, comenta Price. A diferencia de los modelos mecanísticos, añade, los enfoques de AA no se limitan a suposiciones predefinidas y pueden descubrir patrones que podrían ser invisibles para los expertos humanos. Esto permite a los científicos de formulación explorar un espacio de diseño mucho más amplio, acelerar los ciclos de optimización y abordar desafíos de formulación que, de otro modo, serían insolubles con los métodos tradicionales. Por lo tanto, si bien los modelos mecanísticos siguen
RkJQdWJsaXNoZXIy NzE4NDM5