Arquitectura metodológica para la evaluación sistemática y la optimización funcional de materiales en procesos de bioimpresión 3D mediante la tecnología CELLINK BIO-X

• Autor: Torres Ayala, Lizardo Kendy
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana Cayetano Heredia
• Repositorio: UPCH-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upch.edu.pe:20.500.12866/17997
• Enlace del recurso: https://hdl.handle.net/20.500.12866/17997
• Nivel de acceso: acceso abierto
• Materia: Bioimpresión por Extrusión; Biotintas Híbridas; Hidrogeles Naturales; Evaluación Estructural; Indice de Precisión Relativa; Metodología VDI 2206; https://purl.org/pe-repo/ocde/ford#2.06.01

La bioimpresión 3D surge como respuesta a la creciente demanda de soluciones para la escasez de órganos y la falta de modelos fisiológicos realistas en investigación biomédica. A nivel global, más de 110,000 pacientes esperan un trasplante cada año y, en el contexto peruano, la tasa de donación es de solo 1.6 por millón de habitantes. A pesar del avance del hardware, la estandarización de biotintas sigue rezagada: predominan enfoques empíricos y pruebas ad-hoc que limitan la reproducibilidad y dificultan su transición hacia aplicaciones clínicas.Para abordar este vacío, esta tesis propone una arquitectura metodológica sistemática basada en la directriz VDI 2206 que permite evaluar el desempeño estructural de biotintas híbridas desde los parámetros operativos del propio sistema de impresión. Se diseñó un toolbox de hidrogeles (alginato, goma xantana, gelatina, quitosano y colágeno) evaluado mediante pruebas de extrudabilidad, fidelidad geométrica y estabilidad frente a colapso, integrando métricas como el índice de precisión relativa (PR) y el índice de desempeño estructural (IDE).La metodología permitió jerarquizar formulaciones de manera reproducible, identificando aquellas capaces de mantener estabilidad y fidelidad al imprimir modelos anatómicos complejos. Este enfoque complementa las técnicas reológicas convencionales y sienta las bases para optimizaciones futuras e integración de herramientas de inteligencia artificial en biofabricación.