Resumo: Um desafio chave durante o desenvolvimento de fármacos é levar as moléculas de baixa solubilidade da fase de descoberta de fármacos para a fase de formulação. A baixa biodisponibilidade de um fármaco está tipicamente correlacionada com sua baixa solubilidade, o que pode impactar negativamente a eficácia do fármaco e sua capacidade de atuar. Tradicionalmente, o problema da baixa solubilidade foi resolvido pela aplicação de metodologias empíricas de tentativa e erro para determinar as melhores tecnologias disponíveis para alcançar a biodisponibilidade desejada do fármaco. No entanto, esses métodos tradicionais são demorados e requerem o uso de mais recursos, apresentando um desafio para os prazos e orçamentos de desenvolvimento. Com o avanço da inteligência artificial (IA) e do aprendizado de máquina (ML), é possível prever com precisão as misturas adequadas de fármaco-excipiente e tecnologias de aumento de solubilidade para o desenvolvimento de fármacos. Esta revisão tem como objetivo apresentar modelagem inteligente que apoia a geração de conhecimento, resolução de problemas e tomada de decisões. Ela destaca várias estratégias baseadas em IA aplicadas ao longo do pipeline de desenvolvimento de fármacos - desde a previsão de solubilidade e seleção de excipiente(s) até a otimização de formulações, avaliação de dispersões sólidas e monitoramento em tempo real da liberação do fármaco. Além disso, examina o papel da IA na modelagem dos comportamentos farmacocinéticos (PK) e farmacodinâmicos (PD), permitindo previsões mais precisas dos resultados in vivo. Ao alavancar algoritmos inteligentes, os cientistas farmacêuticos podem acelerar os prazos de desenvolvimento, melhorar a tomada de decisões e aumentar a eficiência do design de formulações. A indústria farmacêutica tem oportunidades enormes para melhorar o cuidado ao paciente e os processos de desenvolvimento de fármacos através de pesquisas e aplicações contínuas de IA.
Nagampalli et al. (Quarta-feira,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: