Page 68 - IngresoDr.MtzLanao

y mediante simulación con métodos numéricos como el FEM, estudiar fenómenos de
agrietamiento, exfoliación o fractura a partir del comportamiento mecánico del polvo
durante la formación de comprimidos (Ohsaki S y cols. 2020). También mediante
elementos finitos se pueden generar mapas de contorno sobre la distribución del
esfuerzo cortante en comprimidos constituidos por gránulos de diferentes tamaños
(Hayasi Y y cols. 2018).

Otras aplicaciones de estos métodos en el campo de la Tecnología Farmacéutica es la de
simular y evaluar el efecto de explosión o efecto Burst de comprimidos recubiertos, por
efecto de la presión de hinchamiento de polímeros hidrofílicos. Utilizando modelos de
elementos finitos en tres dimensiones se pueden controlar los principales factores que
condicionan la distribución del estrés y el efecto Burst como se observa en la figura 33.

Figura 33. Modelo de elementos finitos utilizado para simular la distribución del estrés y el
efecto Burst por el hinchamiento de comprimidos recubiertos conteniendo polímeros
hidrofílicos (Yang Y y cols. 2016). Reproducido con permiso.
Otras aplicaciones de los métodos de elementos finitos en el campo de la Tecnología
Farmacéutica son la evaluación del modelo de liberación de fármacos desde matrices de
liberación sostenida (Haddish-Berbane N y cols. 2006), predecir la distribución de
densidades de polvos compactados (Muliadi AR, 2013) o evaluar la deformación de
cápsulas blandas conteniendo líquidos (Rachick M y cols. 2006), entre otras muchas
aplicaciones.

En el marco de los modelos empíricos podemos utilizar diferentes aproximaciones en el
campo de la Tecnología Farmacéutica, como el análisis multivariante, las redes
neuronales o los modelos de correlación in vitro-in vivo (IVIVC).

En el campo del desarrollo galénico podemos utilizar las redes neuronales artificiales,
entre otras metodologías basadas en la inteligencia artificial, para optimizar
formulaciones en el marco del diseño de experimentos DoE y el objetivo de establecer
espacios de diseño. Las redes neuronales artificiales, basadas en la inteligencia artificial,
tienen su origen en el trabajo sobre la neurona artificial publicado por McCulloch y Pitts
en 1943 (McCulloch WS & Pitts W. 1943). Posteriormente el modelo básico de neurona
artificial va experimentando modificaciones hasta el modelo actual de neurona artificial.

Asociados al uso de redes neuronales se manejan conceptos como “deep learning” o
“machine learning” asociados a los fenómenos de aprendizaje de las redes neuronales.

66