El 5 de maig a Tessalònica, a la trenta-tresena reunió del Grup d’Aproximació a la Població a Europa, Periklis Tsiros va presentar els resultats de la recerca SCENARIOS als membres de la comunitat científica i industrial. Hi van assistir un total d’unes 800 persones, una fracció més petita va venir a veure el pòster. L’esdeveniment estava relacionat amb la farmacocinètica i la farmacodinàmica, i Periklis va presentar una nova metodologia per estimar paràmetres farmacocinètics amb variabilitat mitjançant xarxes neuronals basades en la física.
La conferència anual del Grup d’Aproximació a la Població a Europa (PAGE) es va celebrar a la Sala de Concerts de Tessalònica del 4 al 6 de juny de 2025, reunint més de 800 participants de les comunitats farmacèutica i de modelització clínica. La reunió és coneguda per fomentar l’intercanvi científic sobre la modelització i la simulació farmacocinètica/farmacodinàmica (PK/PD), amb un fort èmfasi aquest any en el Desenvolupament de Fàrmacs Informat per Models (MIDD). Periklis Tsiros de la NTUA va presentar un pòster titulat “Modelling Pharmacokinetic Variability with Physics-Informed Neural Networks”, que explorava aplicacions innovadores de l’aprenentatge profund informat per la física en farmacocinètica.
El treball presentat introdueix una metodologia innovadora per estimar paràmetres farmacocinètics de la població quan només es disposen d’estadístiques resumides (per exemple, mitjana i variància) dels perfils de concentració de fàrmacs-temps, una limitació que es troba sovint en les dades publicades. En integrar el coneixement de l’equació diferencial ordinària (EDO) en l’entrenament de xarxes neuronals, el mètode aprofita tant la modelització mecanística com l’aprenentatge basat en dades per inferir distribucions de paràmetres. Això permet recuperar informació sobre la variabilitat dels paràmetres cinètics fins i tot en absència de dades a nivell individual.
Aquest enfocament s’alinea directament amb els objectius del projecte SCENARIOS, que busca avançar en l’avaluació toxicològica de les PFAS mitjançant la promoció d’enfocaments integrats per a les proves i l’avaluació (IATA). El mètode facilita l’ús de dades publicades existents per construir models toxicocinètics robustos, que poden donar suport a la caracterització del perill de les PFAS mitjançant una millor modelització de l’exposició interna. En integrar la modelització mecanística basada en ODE amb l’aprenentatge automàtic, l’enfocament ofereix una addició prometedora a la caixa d’eines computacionals per avaluar la toxicocinètica de les PFAS, donant suport a l’avaluació del risc químic.
