Page 69 - IngresoDr.MtzLanao

Las redes neuronales aprenden de dos formas, optimizando los pesos sinápticos, que
establecen la contribución de las variables de entrada a la respuesta del sistema, y
modificando la estructura de la red neuronal es decir el número de capas de la red y el
número de neuronas por capa. La optimización de los pesos sinápticos se hace a través
de procedimientos iterativos basados, entre otros, en los métodos de Newton (Phua PH
& Ming D. 2003)
En el campo de la Tecnología Farmacéutica podemos encontrar numerosas aplicaciones
de redes neuronales en el desarrollo de diferentes procesos y formas farmacéuticas.
Como ejemplo se pueden utilizar las redes neuronales para optimizar procesos de
granulación húmeda, granulación en continuo, desarrollo de minicomprimidos, evaluar
factores que controlan el tamaño y el índice de polidispersión de nanopartículas o en
generar espacios de diseño con el fin de conseguir productos bioequivalentes en el
marco de estudios realizados bajo los principios de calidad por diseño (QbD), entre otras
muchas aplicaciones (Shirazian S y cols. 2017, Barmpalexis P y cols. 2018, Youshia J y
cols. 2017, Landin M. 2017, Simoes MF y cols. 2020).
La figura 34 muestra una red neuronal artificial utilizada para predecir el tamaño y el
índice de polidispersión de nanopartículas poliméricas a partir de variables tecnológicas
como la viscosidad, el ángulo de contacto, la tensión interfacial, el tipo de solvente o la
relación solvente/agua (Youshia J y cols. 2017).

Figura 34. Uso de redes neuronales artificiales para predecir el tamaño y el índice de
polidispersión de nanopartículas poliméricas (Youshia J y cols. 2017). Reproducido con

permiso.
Las redes neuronales artificiales presentan también un interés particular en el desarrollo
de formas farmacéuticas de liberación sostenida permitiendo optimizar variables de
formulación como tipo o porcentaje de polímeros con incidencia en la cinética de
liberación del fármaco en este tipo formas farmacéuticas (Mandal U y cols. 2008, Siafaka
PI y cols. 2015, Petrovic J y cols. 2012, Ivic B y cols. 2010, Chaibva F y cols. 2010).

67