Únete á nosa canle de Whatsapp
Unha “innovación revolucionaria“, que presenta un software baseado na intelixencia artificial para imprimir produtos farmacéuticos en tres dimensión. É a carta de presentación dun traballo difundido polo University College de Londres (UCL), pero que conta cunha relevante participación galega. O proxecto multidisciplinar da Facultade de Farmacia do UCL, baixo o nome de M3DISEEN, ten como un dos artífices ao galego Álvaro Goyanes, impulsor da empresa FabRx, e investigador no UCL e na Universidade de Santiago de Compostela, e conta tamén coa achega de Brais Muñiz, Gilberto Pérez e Pedro Cabalar, investigadores do IRLab, no Centro de Investigación TIC (CiTIC) da Universidade da Coruña.
Esta colaboración acaba de publicar no International Journal of Pharmaceutics, a segunda máis citada no ámbito das ciencias farmacéuticas, un artigo no que se describe o software M3DISEEN. Esta ferramenta “demostra as capacidades da aprendizaxe automática para predicir múltiples parámetros clave no modelado de deposición fundida (FDM), unha das tecnoloxías de impresión 3D máis utilizadas en medicamentos personalizados. Trátase, con todo, dunha tecnoloxía aínda en fase de desenvolvemento, polo que segundo advirten os investigadores, “precísase tempo para desenvolver todo o seu potencial, dependendo en gran medida dos enfoques ensaio-erro”.
M3DISEEN, destaca o UCL nunha nota de prensa, “foi deseñado para minimizar o proceso de optimización, incluída a predición da temperatura de procesamento, que para a maioría destes procedementos está rexida por unha regra xeral. Esta plataforma é quen de ofrecer altos niveis de precisión debido aos centos de formulacións personalizadas xeradas pola Facultade de Farmacia do UCL e a empresa FAbRx.
Deste xeito, a nova tecnoloxía ten o potencial de revolucionar a impresión de fármacos en 3D, mediante a eliminación da necesidade de coñecemento experto nas propiedades dos materiais, tanto de forma individual como combinados. Do mesmo xeito, o software ten o potencial de poder aplicarse a outras técnicas de 3D como a extrusión directa de po (DPE).
Referencia: M3DISEEN: A novel machine learning approach for predicting the 3D printability of medicines (Publicado no International Journal of Pharmaceutics).
