Desarrollo acelerado de fármacos mediante un formulador digital y una fábrica de datos de tableteado autónoma

Comprimidos más rápidos para los pacientes

Cuando se descubre un nuevo medicamento, convertirlo en un simple comprimido que pueda tragarse puede llevar años y consumir grandes cantidades de polvo farmacéutico valioso. Este estudio describe una forma altamente automatizada de diseñar y fabricar comprimidos que reduce tanto el tiempo como el uso de material, ayudando a que los medicamentos lleguen a los pacientes de manera más rápida y eficiente.

El cuello de botella oculto tras el descubrimiento

Las herramientas modernas de inteligencia artificial ahora ayudan a los científicos a descubrir candidatos farmacológicos y a diseñar ensayos clínicos mucho más rápido que antes. Como resultado, la parte más lenta para llevar medicamentos a los pacientes se ha desplazado a la etapa en que químicos e ingenieros determinan cómo convertir un fino polvo activo en un comprimido estable y seguro que pueda fabricarse a escala. Este paso implica muchas decisiones interconectadas sobre la formulación, la vía de procesamiento y los ajustes de fábrica. Cambiar de rumbo tarde es costoso, por lo que las empresas necesitan elecciones más inteligentes y tempranas sobre cómo mezclar el fármaco con excipientes y cómo prensarlo en comprimidos lo suficientemente resistentes para manipularse, pero que aún se fragmenten y disuelvan en el organismo según lo previsto.

Un formulador digital que piensa con antelación

Los investigadores construyeron un “formulador digital” que predice cómo se comportará una mezcla en polvo antes de que nadie mezcle un gramo en el laboratorio. En lugar de memorizar sustancias químicas concretas, los modelos aprenden a partir de rasgos físicos básicos como el tamaño y la forma de las partículas y la densidad. Usando una biblioteca de excipientes comunes, el sistema prueba miles de recetas virtuales in silico. Busca combinaciones que probablemente fluyan correctamente a través de la maquinaria mientras forman comprimidos que alcancen la resistencia y la porosidad objetivo, medidas clave de qué tan bien sobrevivirá un comprimido a la manipulación y, a la vez, se desintegrará en el estómago. Redes neuronales profundas entrenadas con más de mil puntos de datos experimentales pueden pronosticar la porosidad y la resistencia del comprimido, junto con su incertidumbre, para nuevos fármacos cuyas propiedades se sitúen dentro del espacio aprendido.

Una línea de tableteado autónoma

Una vez que el formulador digital sugiere una receta óptima y los ajustes iniciales de la prensa, una “fábrica de datos de tableteado autónoma” toma el relevo. Este sistema de banco integra dos brazos robóticos y un ordenador de orquestación para dosificar polvo, transportarlo, prensar comprimidos y someterlos a pruebas. La plataforma pesa cada dosis de polvo, registra espectros en el infrarrojo cercano para comprobar la uniformidad de la mezcla, compacta comprimidos individuales y luego mide automáticamente peso, dimensiones y fuerza de rotura. Un sistema de toma de decisiones integrado descarta comprimidos fuera de especificación y activa pasos de limpieza para evitar la contaminación cruzada entre recetas. En todo momento, los datos de cada paso se transmiten a un controlador central que mantiene el proceso en funcionamiento con una intervención humana mínima.

Aprender la presión correcta con menos ensayos

Para afinar los ajustes de la prensa, el equipo empleó una estrategia de optimización informada por la física. Este método combina ecuaciones físicas sencillas sobre cómo se compactan los polvos con una capa de aprendizaje automático que propone el siguiente mejor experimento. En nueve estudios de caso distintos, que involucraron seis fármacos, se ajustó la presión de compresión principal para alcanzar una porosidad objetivo del comprimido manteniendo la resistencia por encima de un umbral establecido. En cada caso, solo hizo falta un puñado de comprimidos de prueba para calibrar los modelos, y los comprimidos finales cumplieron los criterios de manufactura y desintegración para productos de liberación inmediata. El estudio también usó los modelos digitales para explorar cómo distintos patrones de tamaño de partícula afectan el flujo del polvo y la resistencia del comprimido, confirmando y cuantificando reglas con las que los formuladores se apoyaban principalmente en la experiencia.

Qué significa esto para los medicamentos del futuro

Al acoplar estrechamente modelos predictivos con una línea automatizada de fabricación de comprimidos, esta plataforma reduce el trayecto desde las mediciones de polvo bruto hasta comprimidos aceptables a unas seis horas aproximadamente, utilizando cerca de un tercio del material activo requerido por las mejores prácticas actuales. Aunque la configuración aún tiene límites prácticos y no es todavía un sistema listo para fábrica, apunta hacia un futuro en que el diseño y la prueba de recetas de comprimidos sean más rápidos, estén mejor informados por datos y generen menos desperdicio. Para los pacientes, estas herramientas podrían traducirse en más medicamentos que avancen de manera fluida desde el descubrimiento hasta la estantería de la farmacia, con mejor aprovechamiento del tiempo, la pericia y las escasas sustancias activas.

Cita: Abbas, F., Salehian, M., Hou, P. et al. Accelerated drug development using a digital formulator and a self-driving tableting data factory. Nat Commun 17, 4739 (2026). https://doi.org/10.1038/s41467-026-71204-6

Palabras clave: formulación de comprimidos, laboratorio autónomo, formulador digital, automatización farmacéutica, fabricación de fármacos