MODELACI ´ON MATEM ´ATICA DE LA FARMACOCIN´ETICA DE UN

MEDICAMENTO

Reyes, Cameron * cameron.reyes@konradlorenz.edu.co Lizarazo, Nelson ** nelson.lizarazop@outlook.es

1.

Resumen La farmacocin´etica es el proceso mediante el cual el organismo absorbe, distribuye, metaboliza y elimina un f´armaco el cual suele modelarse mediante ecuaciones de orden cero o primer orden con tasas constantes, lo que limita la representaci´on de la variabilidad interindividual. Se propone un modelo compartimental no lineal con funciones f y g dependientes de variables farmacocl´ınicas. Las simulaciones de dosis ´unica y m´ultiple para distintos medicamentos revelan fen´omenos de acumulaci´on, ´orbitas peri´odicas y efectos de saturaci´on. La personalizaci´on de f y g permite describir mejor las curvas concentraci´on–tiempo y facilita la visualizaci´on de escenarios terap´euticos individualizados.

2.

Introducci´on En contextos elementales, una ecuaci´on diferencial representa una operaci´on que, partiendo de condiciones iniciales definidas, conduce a una trayectoria ´unica. Bajo esta perspectiva determinista, cada sistema evoluciona seg´un reglas fijas, predecibles, entre otras. Sin embargo, dicha certeza se apoya en supuestos ideales: continuidad, aislamiento, y par´ametros sin incertidumbre, cuando se traslada esta visi´on a los sistemas qu´ımicos, surgen desviaciones inevitables. Las reacciones qu´ımicas reales involucran grandes cantidades de part´ıculas cuya interacci´on depende de variables externas: temperatura, presi´on, geometr´ıa del sistema, energ´ıa de activaci´on. La modelaci´on entonces exige recurrir a promedios, ajustes experimentales y ecuaciones con capacidad para incorporar fluctuaciones.

Un sistema qu´ımico no evoluciona de forma aislada ni perfectamente reproducible. Las trayectorias que describen la transformaci´on de reactivos a productos pueden responder con sensibilidad a perturbaciones m´ınimas. En estos casos, m´as que soluciones exactas, interesa estudiar el espacio de estados accesibles: el conjunto de configuraciones por las que el sistema puede transitar.

Desde una perspectiva erg´odica, este equilibrio corresponde a un comportamiento que recorre, a lo largo del tiempo, las *Facultad Matem´aticas e Ingenier´ıa, Fundaci´on Universitaria Konrad Lorenz **Facultad Matem´aticas e Ingenier´ıa, Fundaci´on Universitaria Konrad Lorenz configuraciones compatibles con las restricciones del sistema. En este contexto, el teorema de recurrencia de Poincar´e establece que, bajo ciertas condiciones, la trayectoria regresar´a infinitas veces a estados pr´oximos al inicial. No implica un ciclo exacto, sino una regularidad estad´ıstica: una oscilaci´on dentro de regiones confinadas del espacio de fases. Visualizar estas concentraciones en el espacio de fases permite observar que el sistema conserva volumen: las trayectorias no colapsan el espacio ni lo expanden. El flujo redistribuye las configuraciones como un fluido incompresible, generando recorridos recurrentes que preservan la estructura global.

Una aplicaci´on particularmente reveladora de esta descripci´on se encuentra en la farmacocin´etica. El tr´ansito de un f´armaco por el organismo no responde a una transferencia puntual, sino a una din´amica continua modulada por la absorci´on, distribuci´on, metabolizaci´on y eliminaci´on. La evoluci´on de sus concentraciones, lejos de seguir un patr´on lineal, responde a funciones que dependen de condiciones fisiol´ogicas variables y de las propiedades espec´ıficas del principio activo. Estas trayectorias pueden ser analizadas con herramientas de la teor´ıa de sistemas din´amicos, permitiendo representar no solo el comportamiento promedio, sino tambi´en su recurrencia, sensibilidad y posibles puntos de bifurcaci´on.

El concepto de equilibrio qu´ımico adquiere aqu´ı una interpretaci´on din´amica. El principio de Le Chatelier establece el equilibrio qu´ımico entre los productos y los reactivos. Cuando se mezclan los productos estos act´uan como sustratos y son modificados, ya sea por una reacci´on qu´ımica o por una interferencia enzim´atica. La importancia de este principio radica principalmente en que los reactivos en una reacci´on est´an en equilibrio con los productos producidos, este equilibrio es de car´acter din´amico, en el cual una vez se haya alcanzado un punto de equilibrio, los productos se volver´an reactivos y los reactivos se volver´an productos de manera continua en acorde con la cin´etica de la reacci´on.

A+B ⇀ ↽ C +D Reactivos Equilibrio Productos Entre farmacocin´etica y teor´ıa de sistemas din´amicos se abre una posibilidad: modelar no una soluci´on puntual, sino una trayectoria posible dentro de un espacio de fases condicionado por variables cl´ınicas. Algunos principios activos, ba-

Modelaci´on matem´atica de La farmacocin´etica de un medicamento jo ciertas combinaciones fisiol´ogicas, no avanzan linealmente hacia un equilibrio, sino que trazan secuencias recurrentes, ´orbitas que recorren sin fijarse, regiones enteras del espacio de estados. Estas trayectorias, invisibles a los modelos lineales cl´asicos, pueden hacerse evidentes mediante simulaciones computacionales que permitan explorar, m´as que predecir, el comportamiento del sistema bajo distintas configuraciones individuales.

Modelos de orden Cuando se analizan reacciones qu´ımicas en farmacocin´etica, se emplean modelos de orden para describir c´omo var´ıa la velocidad de los procesos de absorci´on, distribuci´on, metabolismo y excreci´on de un f´armaco en funci´on de su concentraci´on. Estas representaciones permiten entender c´omo el organismo procesa una sustancia activa a lo largo del tiempo, y constituyen la base para establecer esquemas de dosificaci´on adecuados.

El comportamiento cin´etico de un medicamento puede ajustarse a un modelo de orden cero, primero, o segundo. Cada uno expresa una relaci´on distinta entre la concentraci´on del f´armaco y la tasa a la que ocurre un determinado proceso farmacocin´etico.

En el orden cero, la velocidad de eliminaci´on es constante y no depende de la concentraci´on. Esto ocurre cuando los mecanismos responsables del metabolismo o excreci´on est´an saturados. Es el caso, por ejemplo, de ciertos medicamentos a dosis elevadas, como el etanol o la fenito´ına [RT10]. Figura 1: Modelo de orden cero: disminuci´on lineal de la concentraci´on.

En el orden uno, la tasa de eliminaci´on es proporcional a la cantidad presente del f´armaco. Este modelo es el m´as com´un en pr´actica cl´ınica, ya que la mayor´ıa de los medicamentos siguen una cin´etica de primer orden dentro de los rangos terap´euticos habituales [SY16].

El orden dos, aunque menos frecuente en farmacoterapia, describe procesos en los que la velocidad depende del cuadrado de la concentraci´on o de la interacci´on entre dos reactivos. Su uso es m´as frecuente en estudios de interacci´on molecular o reacciones espec´ıficas enzim´aticas [GP82a]. Figura 2: Modelo de primer orden: eliminaci´on exponencial. Para generalizar el an´alisis de estos procesos en medicamentos, se emplean ecuaciones diferenciales ordinarias. Estas permiten modelar el cambio temporal de las concentraciones y predecir c´omo evolucionan en distintos escenarios cl´ınicos: dC dt = −k ·Cn donde C representa la concentraci´on, k la constante cin´etica y n el orden de la reacci´on. Este marco proporciona una herramienta flexible para adaptar modelos a diversos principios activos y condiciones fisiol´ogicas.

Modelaci´on Farmacocin´etica Compartimental Cuando se analizan reacciones qu´ımicas en farmacocin´etica, es com´un recurrir a modelos compartimentales. Estos no representan ´organos reales, sino regiones del cuerpo donde el f´armaco se distribuye de forma relativamente homog´enea, permitiendo simplificar su tr´ansito interno. El modelo m´as simple es el de un compartimento ´unico, que asume una distribuci´on instant´anea del f´armaco por todo el cuerpo. Modelos de dos o m´as compartimentos permiten una descripci´on m´as realista, incorporando fases diferenciadas de absorci´on, distribuci´on y eliminaci´on [GP82b]. Cada compartimento se describe mediante una ecuaci´on diferencial que representa el flujo de entrada y salida del principio activo. Estas ecuaciones permiten representar fen´omenos como acumulaci´on, redistribuci´on y variabilidad interindividual. Son ampliamente utilizadas para ajustar datos cl´ınicos, dise˜nar dosis y prever interacciones [DH05,Wag75]. Limitaciones de los modelos compartimentales cl´asicos Aunque los modelos compartimentales han sido fundamentales para la comprensi´on farmacocin´etica, su formulaci´on est´andar —basada en tasas constantes de entrada y salida entre compartimentos homog´eneos— conlleva una simplificaci´on significativa de la complejidad fisiol´ogica real. Estos modelos, si bien ´utiles en contextos generales, no logran capturar c´omo la edad, el peso corporal, las comorbilidades

Pask´ın Matem´atico Vol. 7 No 2 (2025) 15-22.

17

o variaciones gen´eticas individuales modifican la absorci´on y eliminaci´on de un principio activo [RT10,GP82b]. Para superar estas limitaciones, proponemos un enfoque en el que las tasas de absorci´on y eliminaci´on no se representen como constantes, sino como funciones personalizadas f y g, que incorporan variables cl´ınicas espec´ıficas del paciente. Este ajuste permite generar trayectorias farmacocin´eticas m´as representativas, capaces de adaptarse a la diversidad biol´ogica y de ofrecer una aproximaci´on m´as realista a la evoluci´on de las concentraciones plasm´aticas [SY16,DH05].

3.

Justificaci´on Las herramientas cl´ınicas actualmente disponibles para estimar la evoluci´on de la concentraci´on plasm´atica de un f´armaco suelen basarse en modelos simplificados. Calculadoras como DoseMeRx, GlobalRPh o la cl´asica MedCalc implementan f´ormulas cerradas bajo cin´etica de primer orden, con tasas constantes de absorci´on y eliminaci´on, sin incorporar variabilidad cl´ınica m´as all´a de ajustes por peso, funci´on renal o superficie corporal. Este enfoque, aunque funcional en contextos generales, omite la complejidad din´amica del sistema farmacol´ogico y su sensibilidad a condiciones individuales.

Simuladores compartimentales, como los integrados en PK-Sim o GastroPlus, permiten un ajuste m´as detallado de curvas experimentales, pero suelen requerir parametrizaci´on t´ecnica y no incorporan an´alisis din´amico cualitativo como ´orbitas, sensibilidad o bifurcaciones.

Software especializado como NONMEM o Phoenix Win- Nonlin ofrece herramientas potentes para an´alisis poblacional y regresi´on no lineal, pero exigen formaci´on espec´ıfica y se orientan al ajuste estad´ıstico m´as que a la visualizaci´on de trayectorias posibles dentro del espacio de fases. A diferencia de estos enfoques, la propuesta aqu´ı desarrollada reemplaza los par´ametros cin´eticos fijos por funciones no lineales f y g, que responden a variables cl´ınicas personalizadas como edad, peso, gen´etica o comorbilidades. Esta adaptaci´on permite representar el tr´ansito del f´armaco como una trayectoria en el espacio de fases, m´as que como una curva fija en el tiempo.

La inclusi´on de ecuaciones diferenciales no lineales permite observar fen´omenos cualitativos complejos, como ´orbitas peri´odicas, sensibilidad a condiciones iniciales y bifurcaciones. Tales comportamientos no pueden ser visualizados con las herramientas tradicionales. Esta perspectiva, en lugar de limitarse a predecir una dosis, ofrece una herramienta exploratoria para visualizar, comparar y ajustar din´amicamente el tratamiento seg´un el perfil del paciente. Este marco metodol´ogico donde se implementa una calculadora ampl´ıa las posibilidades del an´alisis farmacocin´etico Figura 3: Interfaz de calculadora cl´asico sin requerir software t´ecnico ni entrenamiento avanzado, y propone una aproximaci´on m´as accesible para la toma de decisiones cl´ınicas. [Mur02].

4.

Metodolog´ıa Nuevo modelo farmacocin´etico con funciones dependientes de variables cl´ınicas El modelo implementado se basa en un sistema de ecuaciones diferenciales ordinarias, donde las tasas de absorci´on y eliminaci´on no son constantes, sino funciones no lineales f y g que dependen de variables cl´ınicas individuales. Cabe destacar que esta formulaci´on constituye una propuesta distinta a los modelos cl´asicos de orden 0 y 1, ampliamente utilizados en farmacocin´etica, ya que permite incorporar sensibilidad din´amica y adaptabilidad individual. [Cha11]. Dado un conjunto de par´ametros cl´ınicos personalizados —masa corporal, edad, sexo, comorbilidades, perfil gen´etico, entre otros— se definen:

f(t,D,V;θ): funci´on de absorci´on, dependiente del tiempo, dosis administrada D, volumen aparente de distribuci´on V, y del vector de par´ametros cl´ınicos θ. g(t,D;θ): funci´on de eliminaci´on, que regula la tasa de salida del f´armaco del cuerpo en funci´on de la misma estructura de variables.

Estas funciones reemplazan a las tasas constantes del modelo de primer orden cl´asico, permitiendo explorar din´amicas individualizadas mediante la resoluci´on de:

Modelaci´on matem´atica de La farmacocin´etica de un medicamento      dC dt = f(t,D,V;θ)−keC dD dt = −ka ·g(t,D;θ) dV dt = kaD−keV donde C es la concentraci´on plasm´atica, ka y ke se ajustan autom´aticamente a partir del IMC y la condici´on fisiol´ogica del paciente.

Para la formulaci´on de las funciones de absorci´on y eliminaci´on f y g empleadas en este modelo, se consult´o la base de datos DrugBank. Esta plataforma proporciona informaci´on farmacocin´etica detallada, incluyendo biodisponibilidad, constante de absorci´on, volumen aparente de distribuci´on y par´ametros de eliminaci´on para cada principio activo. A partir de estos datos, se extrajeron los valores de referencia y se ajustaron mediante regresi´on no lineal para generar ecuaciones personalizadas. De esta forma, las f´ormulas asociadas a cada medicamento reflejan tanto la evidencia emp´ırica reportada en la literatura cl´ınica como los ajustes necesarios para incorporar variabilidad individual en las simulaciones.

[KWK+24]

Funciones espec´ıficas de absorci´on y eliminaci´on En lugar de constantes fijas, este simulador implementa funciones f(C,t) y g(D,t) no lineales espec´ıficas para cada medicamento. Estas funciones se ajustan a perfiles cl´ınicos documentados en la literatura biom´edica y reflejan caracter´ısticas fisiol´ogicas o farmacogen´eticas del paciente. A continuaci´on se detalla la formulaci´on y justificaci´on de cada par de funciones:

Ibuprofeno Absorci´on:

f = ka ·D V · 1+0,1· masa

70

+0,1·g´enero
Esta funci´on reduce la tasa de absorci´on en individuos con mayor masa o en varones, reflejando variaciones reportadas en la biodisponibilidad y farmacocin´etica del ibuprofeno seg´un ´ındice de masa corporal y sexo biol´ogico. Eliminaci´on:

g = D t +1 ·  1+0,05· edad

50

 Se modela un aumento progresivo de eliminaci´on en pacientes mayores, en l´ınea con evidencias de reducci´on en la depuraci´on hep´atica con la edad.

Figura 4: Simulaci´on de Ibuprofeno en condiciones iniciales aleatorias de 100 pacientes Paracetamol Absorci´on:

f = ka ·D0,75 V Se aplica un exponente sublineal para reflejar saturaci´on progresiva en dosis elevadas, representando una curva de absorci´on menos pronunciada ante grandes cantidades. Eliminaci´on:

g = log(D+1)·(1+0,1·gen´etica factor) Considera la influencia gen´etica en la expresi´on de enzimas como CYP2E1, fundamentales para el metabolismo hep´atico del paracetamol.

Figura 5: Simulaci´on de Paracetamol en condiciones iniciales aleatorias de 100 pacientes Aspirina Absorci´on:

f = ka · D V  ·e−0,05t Representa un mecanismo de absorci´on retardada o decreciente, t´ıpica de formulaciones ent´ericas o procesos saturables.

Eliminaci´on:

g = √ D

Pask´ın Matem´atico Vol. 7 No 2 (2025) 15-22.

19

Refleja la farmacocin´etica no lineal de la aspirina a dosis altas, asociada con eliminaci´on renal no proporcional a la concentraci´on.

Figura 6: Simulaci´on de Aspirina en condiciones iniciales aleatorias de 100 pacientes Amoxicilina Absorci´on:

f = ka ·D V ·(1+0,02·edad) La edad modula la absorci´on, aspecto cr´ıtico tanto en pediatr´ıa como geriatr´ıa debido a diferencias en el tr´ansito gastrointestinal y biodisponibilidad.

Eliminaci´on:

g = D Vd ·(1+0,1·gen´etica factor) Representa la variabilidad gen´etica en la excreci´on renal de betalact´amicos, ajustando la funci´on de eliminaci´on al perfil farmacogen´etico del paciente.

Figura 7: Simulaci´on de Amoxicilina en condiciones iniciales aleatorias de 100 pacientes Metformina Absorci´on:

f = ka ·D V Se adopta un modelo lineal, dada la baja variabilidad interindividual en su absorci´on intestinal.

Eliminaci´on:

g = D·e−ket Esta forma exponencial describe fielmente su eliminaci´on renal progresiva, sin metabolismo hep´atico. Figura 8: Simulaci´on de Metformina en condiciones iniciales aleatorias de 100 pacientes Loratadina Absorci´on:

f = ka ·D V ·e−0,03t Captura la liberaci´on modificada de comprimidos de segunda generaci´on con absorci´on prolongada. Eliminaci´on:

g = D t +1 ·(1+0,05·alergia factor) Ajusta el ritmo de depuraci´on en funci´on del grado de reactividad al´ergica, como aproximaci´on al estado fisiol´ogico del paciente.

Figura 9: Simulaci´on de Loratadina en condiciones iniciales aleatorias de 100 pacientes Integraci´on num´erica La evoluci´on temporal de las ecuaciones diferenciales no lineales del modelo se resuelve num´ericamente mediante la

Modelaci´on matem´atica de La farmacocin´etica de un medicamento funci´on odeint del m´odulo scipy.integrate en Python. Esta funci´on emplea el algoritmo LSODA del paquete ODE- PACK, el cual selecciona de forma adaptativa el m´etodo de integraci´on seg´un la rigidez del sistema [Hin83]. Concretamente, LSODA combina:

M´etodos de Adams-Bashforth-Moulton multistep: son esquemas num´ericos en los que la soluci´on en un paso dado se calcula a partir de los valores de pasos anteriores. La parte de Adams-Bashforth realiza una predicci´on expl´ıcita del valor siguiente, y luego la parte de Moulton aplica una correcci´on impl´ıcita. Este m´etodo es eficiente cuando el sistema no presenta rigidez, ya que no requiere resolver ecuaciones algebraicas en cada paso. F´ormulas de Diferenciaci´on Retrospectiva (BDF): son m´etodos impl´ıcitos que estiman la derivada actual como una combinaci´on lineal de valores pasados. Su estructura permite manejar sistemas r´ıgidos, es decir, sistemas en los que hay escalas de tiempo muy diferentes, sin que la soluci´on se vuelva num´ericamente inestable. Requieren resolver un sistema de ecuaciones en cada paso. Este enfoque evita que el usuario tenga que decidir manualmente el m´etodo de integraci´on. Tambi´en permite resolver trayectorias con diferentes escalas temporales, como las que surgen en modelos con dosis m´ultiples y par´ametros cl´ınicos variables. [Sci23] Simulaci´on de dosis ´unica y m´ultiple La interfaz permite elegir entre dos modos de simulaci´on: Dosis ´unica: el sistema resuelve las ecuaciones con una sola carga inicial en el tracto digestivo. Se grafican la concentraci´on sist´emica, el contenido en el tracto y el volumen disponible en un rango de tiempo est´andar (e.g., 0−24h).

Figura 10: Simulaci´on de un paciente en bajo una ´unica dosis de Ibuprofeno Dosis m´ultiple: se realizan ciclos de integraci´on consecutivos con reinyecci´on de dosis en el tracto al final de cada intervalo. Esto permite observar la aparici´on de ´orbitas peri´odicas y acumulaci´on en concentraciones plasm´aticas.

Figura 11: Simulaci´on de un paciente en bajo m´ultiples dosis de Ibuprofeno Los resultados se visualizan mediante dos tipos de gr´aficos por simulaci´on: la evoluci´on temporal de las variables C(t),D(t),V(t) y la trayectoria en el espacio de fases (C,V). Los valores son ajustables seg´un el paciente. Resultados Los resultados obtenidos muestran comportamientos coherentes con estudios cl´ınicos. Los siguientes resultados corresponden a la simulaci´on de dosis m´ultiples en una cohorte de 100 pacientes con par´ametros cl´ınicos aleatorios. Cada curva representa la evoluci´on del volumen aparente de distribuci´on (V) frente a la concentraci´on plasm´atica (C), generando trayectorias en el espacio de fases para cada combinaci´on individuo–medicamento:

Ibuprofeno presenta una absorci´on dependiente de masa corporal y g´enero, con eliminaci´on prolongada en adultos mayores.

Figura 12: Simulaci´on de ´orbitas periodicas de Ibuprofeno en condiciones iniciales aleatorias de 100 pacientes La distribuci´on de trayectorias se encuentra moderadamente dispersa, con tendencias que oscilan hacia concentraciones entre 0.6 y 1.4. Esto refleja el efecto del peso y el sexo sobre la absorci´on, as´ı como de la edad en la eliminaci´on. Se aprecian ´orbitas irregulares con retornos, lo cual sugiere cierta complejidad en la homeostasis alcanzada en estado

Pask´ın Matem´atico Vol. 7 No 2 (2025) 15-22.

21

estacionario.

Paracetamol revela acumulaci´on progresiva en dosis m´ultiples si el paciente es metabolizador lento. Figura 13: Simulaci´on de ´orbitas peri´odicas de Paracetamol en condiciones iniciales aleatorias de 100 pacientes Finalmente, las trayectorias de paracetamol son notablemente sim´etricas y acotadas. La forma logar´ıtmica de la eliminaci´on, combinada con una absorci´on sublineal, genera una curva de crecimiento lento pero sostenido. La dispersi´on se concentra en regiones medias del espacio, con poca expansi´on hacia extremos, lo que indica que este medicamento genera patrones estables incluso bajo alta variabilidad gen´etica.

Loratadina muestra una curva de concentraci´on m´as plana en casos de alergia severa debido a eliminaci´on acelerada. Figura 14: Simulaci´on de ´orbitas peri´odicas de Loratadina en condiciones iniciales aleatorias de 100 pacientes La simulaci´on para loratadina presenta un patr´on muy definido, con trayectorias anchas al inicio pero que tienden a estabilizarse en zonas acotadas del espacio de fases. El decaimiento en la absorci´on y la modulaci´on por alergia factor dan lugar a curvas escalonadas, que podr´ıan corresponder a efectos de liberaci´on prolongada. La respuesta var´ıa en intensidad seg´un el grado de alergia, pero el sistema tiende a estabilizarse con rapidez.

Amoxicilina presenta fuerte sensibilidad al factor gen´etico en su eliminaci´on.

Figura 15: Simulaci´on de ´orbitas periodicas de Amoxicilina en condiciones iniciales aleatorias de 100 pacientes Las curvas de evoluci´on generadas por la amoxicilina muestran una dispersi´on pronunciada en ambos ejes, lo que refleja una alta sensibilidad a las variables cl´ınicas, especialmente edad y factores gen´eticos, que afectan tanto la absorci´on como el aclaramiento renal. Se observan trayectorias amplias, con m´ultiples oscilaciones, lo cual sugiere acumulaci´on y variabilidad en la eliminaci´on.

Aspirina presenta una r´apida ca´ıda de concentraci´on en el tiempo, especialmente en perfiles de absorci´on retardada. Figura 16: Simulaci´on de ´orbitas peri´odicas de Aspirina en condiciones iniciales aleatorias de 100 pacientes Se aprecian ´orbitas m´as estrechas y regulares, indicando menor dispersi´on interindividual. Esto se explica por su modelo de eliminaci´on simple y una absorci´on que decae con el tiempo, lo que genera curvas controladas. No obstante, se identifican patrones bif´asico en algunos individuos, posiblemente por interacciones entre el ritmo de absorci´on retardada y la dosis repetida.

Metformina muestra trayectorias de eliminaci´on limpia, sin interferencia hep´atica, y sensibilidad a insuficiencia renal.

Modelaci´on matem´atica de La farmacocin´etica de un medicamento Figura 17: Simulaci´on de ´orbitas peri´odicas de Metformina en condiciones iniciales aleatorias de 100 pacientes Las curvas de evoluci´on muestran un patr´on disperso y amplio, con varios bucles antes de alcanzar estabilidad. Esto es coherente con su absorci´on constante y eliminaci´on progresiva. La influencia de variables como masa corporal y comorbilidades renales parece afectar principalmente el eje vertical (volumen), mientras que las concentraciones oscilan de forma m´as homog´enea.

Conclusiones Este simulador farmacocin´etico permite modelar la evoluci´on de medicamentos en funci´on de variables cl´ınicas reales. A trav´es de ecuaciones personalizadas y visualizaciones interactivas, se supera la limitaci´on de las calculadoras tradicionales de primer orden. Las funciones f y g dise˜nadas para cada medicamento reflejan evidencia emp´ırica de farmacocin´etica cl´ınica y factores individuales como masa, edad, gen´etica o alergia. Esto contribuye no solo a una mayor precisi´on en recomendaciones terap´euticas, sino a la democratizaci´on de herramientas avanzadas en contextos cl´ınicos accesibles. Referencias.

[Cha11] R. Chang, Fundamentos de quimica, McGraw-Hill Educaci´on, McGraw-Hill Interamericana de Espa˜na S.L., 2011. [DH05] Hartmut Derendorf and Guenther Hochhaus, Pharmacokinetics, CRC Press, 2005.

[GP82a] Milo Gibaldi and Donald Perrier, Pharmacokinetics, Marcel Dekker, 1982.

[GP82b] , Pharmacokinetics, Marcel Dekker, 1982.

[Hin83] Alan C Hindmarsh, Odepack, a systematized collection of ode solvers, Scientific computing 1 (1983), 55–64. [KWK+24] C. Knox, M. Wilson, C. M. Klinger, M. Franklin, E. Oler, A. Wilson, A. Pon, J. Cox, N. E. L. Chin, S. A. Strawbridge, M. Garcia-Patino, R. Kruger, A. Sivakumaran, S. Sanford, R. Doshi, N. Khetarpal, O. Fatokun, D. Doucet, A. Zubkowski, D. Y. Rayat, H. Jackson, K. Harford, A. Anjum, M. Zakir, F. Wang, S. Tian, B. Lee, J. Liigand, H. Peters, R. Q. R. Wang, T. Nguyen, D. So, M. Sharp, R. da Silva, C. Gabriel, J. Scantlebury, M. Jasinski, D. Ackerman, T. Jewison, T. Sajed, V. Gautam, and D. S. Wishart, Drugbank 6.0: the drugbank knowledgebase for 2024, Nucleic Acids Research 52 (2024), no. D1, D1265–D1275.

[Mur02] James D. Murray, Mathematical biology i. an introduction, 3rd ed., Interdisciplinary Applied Mathematics, vol. 17, Springer, New York, 2002.

[RT10] Malcolm Rowland and Thomas N. Tozer, Clinical pharmacokinetics and pharmacodynamics, Lippincott Williams & Wilkins,

2010.

[Sci23] SciPy Community, Scipy reference guide, SciPy, 2023. Available at https://docs.scipy.org/doc/scipy/reference/ generated/scipy.integrate.odeint.html.

[SY16] Leon Shargel and Andrew B. C. Yu, Applied biopharmaceutics and pharmacokinetics, McGraw-Hill Education, 2016. [Wag75] Joseph G Wagner, Fundamentals of clinical pharmacokinetics, Drug Intelligence Publications, 1975.

Agradecimientos.

Agradecimiento especial por el apoyo de los profesores Alexander Arredondo, Mariam Pinto y Wilmar Bola˜nos, as´ı como de la doctora Luc´ıa Pe˜na y de la Universidad de Sonora. El c´odigo fuente y las simulaciones interactivas est´an disponibles en Figura 18: Caption Acerca de los autores:

Cameron Reyes Baquero: Matem´atico investigador en el ´area de l´ogica, metamatem´atica y ciencias de la complejidad en filosof´ıa aplicada.

Nelson Eduardo Lizarazo Paramo: Qu´ımico farmac´eutico investigador, enfocado en la participaci´on y realizaci´on de estudios cl´ınicos junto con la construcci´on de metodolog´ıas alternativas de an´alisis.