Diseño racional de formulaciones mediante metodología retrospectiva de aprendizaje automático: estudio de caso de...

Área de la Ciencia:

• Ciencias Farmacéuticas
• Farmacocinética
• Química Computacional

Sus antecedentes:

• El diseño racional de fármacos es crucial para resultados terapéuticos predecibles.
• La comprensión de las influencias de los excipientes y los ingredientes activos en la farmacocinética es esencial para las formas de dosificación oral de liberación inmediata.

Objetivo del estudio:

• Investigar el diseño racional de formulaciones utilizando aprendizaje automático (ML) para productos de dosificación oral de ibuprofeno de liberación inmediata.
• Identificar patrones que influyen en el perfil farmacocinético de las formulaciones de ibuprofeno.

Principales métodos:

• Se extrajeron y estandarizaron datos de registro utilizando pandas en Python.
• Se analizaron patrones de excipientes modificadores de la disolución y variantes de ibuprofeno.
• Se investigó la influencia de estos patrones en los perfiles farmacocinéticos clínicos.

Principales resultados:

• Las tabletas recubiertas con película de ibuprofeno ácido y lauril sulfato de sodio son comunes.
• Las variantes de ibuprofeno (dihidrato de sodio, lisina, arginina) muestran una liberación más rápida, una Tmax reducida, una Cmax aumentada y una menor varianza de biodisponibilidad.
• Se identificaron patrones clave de formulación que influyen en la farmacocinética del ibuprofeno.

Conclusiones:

• El aprendizaje automático ayuda a comprender las estrategias de formulación racional para el ibuprofeno.
• Variantes específicas de ibuprofeno ofrecen perfiles farmacocinéticos mejorados.
• Los hallazgos respaldan las decisiones regulatorias para una biodisponibilidad predecible y respuestas clínicas reproducibles.