Hacia la farmacocinética generalizable impulsada por datos con EDO interpretables

Área de la Ciencia:

• Farmacocinética y Biología Computacional
• Desarrollo de Fármacos y Medicina de Precisión
• Inteligencia Artificial en la Atención Médica

Sus antecedentes:

• El modelado preciso del perfil de concentración-tiempo (C-t) de los fármacos es crucial para el desarrollo de fármacos y la dosificación personalizada.
• Los modelos farmacocinéticos (PK) tradicionales enfrentan limitaciones en escalabilidad y adaptabilidad debido a suposiciones rígidas y parametrización extensa.
• Existe la necesidad de enfoques de modelado avanzados que puedan manejar de manera efectiva diversos compuestos y poblaciones de pacientes.

Objetivo del estudio:

• Introducir Uni-PK, un marco neuronal unificado para el modelado farmacocinético de extremo a extremo.
• Desarrollar una solución escalable e interpretable para predecir la dinámica de la concentración de fármacos.
• Permitir aplicaciones preclínicas y clínicas personalizadas incorporando la variabilidad interindividual.

Principales métodos:

• Se desarrolló Uni-PK combinando representaciones moleculares con ecuaciones diferenciales ordinarias neuronales (NODEs) dentro de una estructura PK.
• Se empleó un codificador de contexto flexible para integrar covariables auxiliares (por ejemplo, especie, régimen de dosificación) para el modelado personalizado.
• Se permitió el modelado dinámico directo de trayectorias de concentraciones de fármacos a partir de entradas moleculares e individuales, facilitando el aprendizaje en condiciones de datos escasos.

Principales resultados:

• Uni-PK demostró un rendimiento sólido en conjuntos de datos de ratas y humanos en diversas vías de administración y estados fisiológicos.
• El marco mostró consistencia con los principios farmacocinéticos establecidos, validando su base mecanicista.
• Logró capacidades de aprendizaje de extremo a extremo, incluso en condiciones de datos escasos y ruidosos, superando a los métodos tradicionales.

Conclusiones:

• Uni-PK ofrece una solución escalable, interpretable y que evita el uso de animales para el modelado farmacocinético de próxima generación.
• La integración de la estructura química y la información específica del individuo avanza las terapias de precisión.
• Este marco neuronal unificado tiene el potencial de impactar significativamente el desarrollo de fármacos y las estrategias de dosificación individualizadas.