SUPLEMENTOVETERINARIA 2025 19 es esencialmente muy limitada para for - mulaciones de coformadores, cocristales y complejos teniendo en cuenta el vasto espacio de posibles combinaciones de compuestos, coincide Varshney. Señala además que incluso esos datos limitados amenudo no están fácilmente disponibles para un uso amplio debido a la heteroge - neidad de las fuentes. A los desafíos de los datos limitados con acceso limitado se suma la falta de están - dares de precisión y curación de datos, según Varshney. “Este problema conduce a la propagación de errores desde los datos inexactos hasta las predicciones”, explica. Varshney cree que también existe una falta de capacidad de explicación con las tecnologías de modelado actuales. Por ejemplo, dice que si se predice que un complejo o una combinaciónmostrará una baja biodisponibilidad, la razón subyacen - te generalmente permanece oscura. “Esta falta de capacidad de explicación en térmi - nos de las características fisicoquímicas de los compuestos en la combinación impide el diseño de combinaciones que podrían dar como resultado unamayor biodisponi - bilidad del API”, explica Varshney. También existen algunas dificultades técnicas. Konagurthu destaca el hecho de que los modelos predictivos requieren una validación experimental sólida y los mo - delos pueden ser computacionalmente intensivos. Combinar estrategias para obtener más éxito La mejor manera de maximizar los bene - ficios potenciales del modelado predictivo EDICIONES VR - AULA VIRTUAL
RkJQdWJsaXNoZXIy NzE4NDM5