44 Edición Sudamérica 2026 - N º199 Pharmaceutical Technology El uso de algoritmos avanzados de inteligencia artificial (AI) y aprendizaje automático (ML) puede paliar las limitaciones de recursos y, al mismo tiempo, permitir la identificación de patrones que no son fácilmente evidentes para los analistas humanos, lo que agiliza el desarrollo y proporciona predicciones más sólidas del rendimiento de los fármacos in vivo. El modelado PK/PD desempeña un papel importante en el desarrollo de fármacos Comprender las propiedades de absorción, distribución, metabolismo, eliminación y toxicidad (ADMET) de los fármacos candidatos de molécula pequeña puede orientar su evaluación durante las fases de descubrimiento y desarrollo. La información detallada sobre estos atributos permite descartar moléculas indeseables y priorizar los candidatos con mayor probabilidad de éxito. Sin embargo, los estudios de cribado PK/PD in vitro e in vivo son costosos y requieren mucho tiempo, y las evaluaciones ADMET suelen convertirse en un cuello de botella en los programas de desarrollo de fármacos 1. Por consiguiente, los métodos in silico para la determinación de las propiedades ADMET se han vuelto cruciales para acelerar el descubrimiento y desarrollo de fármacos, permitiendo la evaluación rápida de un gran número de compuestos. “El modelado PK/PD proporciona un marco cuantitativo esencial para un desarrollo de fármacos eficaz y basado en datos”, afirma Pauline Traynard, gerente de producto de MonolixSuite en SimulationsPlus. “Al integrar datos diversos procedentes de experimentos de laboratorio y estudios clínicos, estos modelos nos permiten comprender la compleja interacción entre la concentración de un fármaco en el organismo y su efecto terapéutico. Este conocimiento mecanístico es fundamental para optimizar las pautas de posología, diseñar ensayos clínicos más eficientes e informativos y tomar decisiones cruciales sobre la viabilidad de un estudio”, explica. En última instancia, -como observa Traynard- el modelado PK/PD ayuda a reducir las tasas de abandono
RkJQdWJsaXNoZXIy NzE4NDM5