Los métodos tradicionales en microbiología, aunque validados y ampliamente utilizados, presentan limitaciones en cuanto a tiempo de respuesta, sensibilidad y reproducibilidad. Frente a ello, los métodos alternativos y rápidos (RMM) —como la espectroscopía, perfiles químicos tipo FAME o técnicas moleculares— emergen como soluciones más eficientes y adaptadas a las necesidades actuales de la industria.

En este taller se presentará una experiencia aplicada basada en un método alternativo microbiológico validado experimentalmente, destacando su potencial frente a los métodos clásicos. A partir de este caso, se introducirá cómo la integración de Machine Learning (ML) y Deep Learning (DL) puede potenciar el rendimiento, la predicción y la automatización de estos métodos. Asimismo, se abordará la implementación del enfoque Analytical Quality by Design (AQbD), conforme a la guía ICH Q14, como marco para el desarrollo robusto, trazable y regulado de métodos analíticos modernos.