La depuración (CL) es un parámetro farmacocinético (PK) principal crucial para determinar la rapidez con la que un fármaco se elimina del cuerpo, lo que orienta el intervalo adecuado de dosificación para mantener una concentración constante en la sangre. Dada la importancia de la CL, este estudio tuvo como objetivo utilizar técnicas de aprendizaje automático (ML) para predecir los valores de CL identificando patrones y relaciones dentro de un conjunto de datos extraído de variables PK de artículos publicados. Las variables evaluadas en el conjunto de datos extraído incluyeron el fármaco, la dosis, la especie animal y la vía de administración. Se aplicaron nueve modelos ML distintos para analizar los datos de CL, incorporando tanto datos desequilibrados como equilibrados generados a través de métodos de remuestreo. Dado que los datos de CL usados en este estudio son una recopilación de todos los valores de CL (verdadera CL y CL/F) extraídos de artículos científicos, la variable CL recogida para vías de administración tanto IV como no IV se denomina CL híbrida ML. Para analizar el efecto de los modelos ML en la predicción de los valores de CL, utilizamos el conjunto de datos CL híbrida ML para seis subconjuntos diferentes, incluyendo uno exclusivamente de la vía intravenosa. Los modelos de regresión lineal, perceptrón multicapa y bosque aleatorio consistentemente mostraron la mayor eficiencia para predecir valores de CL, con un coeficiente R2 > 0,87. Sin embargo, el R2 aumentó a > 0,95 al analizar únicamente ungulados o pequeños rumiantes, y > 0,92 para el grupo de animales de compañía. Este estudio tiene el potencial de ayudar a los investigadores a emplear modelos computacionales, matemáticos y de ML para predecir y estimar valores de CL y cambios en dichos valores basados en variables. El estudio se centra en evaluar la viabilidad de predecir la CL de un fármaco en situaciones donde no se dispone de datos directos de CL. En lugar de abordar procesos de desarrollo de fármacos, la investigación examina si las variables de diseño del estudio pueden servir como parámetros de entrada para una herramienta propuesta de extrapolación entre especies, destinada específicamente a predecir valores existentes de CL de fármacos.
Ramachandran et al. (mié,) estudiaron esta cuestión.