Revista Farmabiotec 22

52 farmaBIOTEC #22 estructuras que cumplen criterios específicos, como potencia farmacológica o un correcto perfil ADME-Tox (Absorción, Distribucción, Metamolismo, Excrección- Toxicidad). Ejemplos actuales incluyen plataformas dedi - cadas a diseñar moléculas capaces de modulares proteí- nas involucradas en diferentes patologías. La integración de estos modelos con laboratorios automatizados crea un ciclo: la IA propone candidatos, el laboratorio los eva- lúa, los datos mejoran la IA y el proceso se acelera de forma continua. Esta dinámica recuerda a los avances experimentados en biología sintética y descubrimiento de materiales, donde los ciclos de diseño-construcción- prueba-aprendizaje ya están plenamente consolidados. Para que esta revolución sea operativa, la infraestruc- tura experimental también debe evolucionar. Los reacto - res y sistemas en flujo continuo se han convertido en una pieza clave porque ofrecen un control muy superior al de los sistemas en lote y permiten integrar sensores, presión y temperatura de forma más precisa. En flujo es posible reproducir condiciones de manera casi idéntica entre experimentos, minimizar riesgos aso - ciados a sustancias sensibles o peligrosas, y escalar procesos sin necesidad de cambiar el diseño del reactor: basta con aumentar el tiempo de residencia o el número de módulos. Tecnologías emergentes en síntesis far- macéutica, como la generación bajo demanda de gases tóxicos como el monóxido de carbono (CO) o fluoruro de sulforilo (SO 2 F 2 ) o la manipulación segura de radicales y especies de vida corta, se benefician enormemente del flujo y lo convierten en la arquitectura natural para un laboratorio autónomo. El flujo no solo es eficiente; es pro - gramable, modulable y compatible con el pensamiento algorítmico. La integración de automatización, IA y flujo tiene con - secuencias profundas para la industria farmacéutica española. Por un lado, permite acortar de forma drástica los tiempos de desarrollo de nuevas rutas sintéticas, lo que resulta especialmente valioso en áreas de alta com- petencia como la oncología, las enfermedades neurode- generativas o la química de péptidos y oligonucleótidos. Por otro, contribuye a mejorar la sostenibilidad del sector, ya que reduce el consumo de disolventes, la generación de residuos y la necesidad de metales preciosos. A nivel regulatorio, los procesos automatizados facilitan la tra - zabilidad y la reproducibilidad, dos valores esenciales en un entorno donde la validación de procesos y el asegura- miento de la calidad son críticos. Todo esto plantea una pregunta inevitable: ¿qué papel tendrá el químico en un laboratorio cada vez más automa - tizado? La respuesta es optimista. La figura del investiga - dor no desaparece; evoluciona. La creatividad, la capaci - dad de formular hipótesis y la comprensión profunda de los mecanismos químicos siguen siendo irremplazables. Lo que cambia es el alcance de esa creatividad. El inves - tigador deja de invertir horas en tareas repetitivas (ajus - tar condiciones, preparar series de reacciones, procesar datos…) y pasa a desempeñar un papel más estratégico: diseñar preguntas, interpretar patrones, decidir hacia dónde orientar la exploración. La IA no reemplaza la intui - ción, sino que la amplifica. Nos encontramos, en definitiva, ante un cambio de paradigma. La síntesis y diseño químico, tradicional - mente vista como un arte, se beneficia ahora de las herramientas propias de la ingeniería de datos y la infor- mática. La frontera entre ciencia experimental y ciencia computacional se difumina, dando lugar a laboratorios híbridos que combinan robots, sensores, modelos mate- máticos y conocimiento humano para acelerar la innova- ción terapéutica. El futuro del diseño de fármacos no será exclusivo del laboratorio ni del ordenador, sino del diálogo continuo entre ambos. En esa sinergia, la automatización inteligente y los modelos predictivos desempeñarán un papel cada vez más central, guiando el desarrollo de nue - vas terapias con una velocidad, eficiencia y rigor impensa - bles hace apenas una década. Bibliografía • [1] Slattery, A.; Wen, Z.; Tenblad, P.; Sanjosé-Orduna, J.; Pintossi, D.; den Hartog, T.; Noël, T. Automated self-optimi - zation, intensification, and scale-up of photocatalysis in flow. Science 2024, 383, 6681-6693. • [2] Sin, J. W.; Chau, S. L.; Burwood, R. P.; Püntener, K.; Bigler, R.; Schwaller, P. Highly parallel optimisation of che - mical reactions through automation and machine intelli- gence. Nat. Commun. 2025, 16, 6464-6477. Drug development Nos encontramos, en definitiva, ante un cambio de paradigma. La síntesis y diseño químico, tradicionalmente vista como un arte, se beneficia ahora de las herramientas propias de la ingeniería de datos y la informática.