Asia Pacific AI in Tossicologia Predictive Market

asia pacific ai in tossicologia predittiva dimensione del mercato & previsioni:

• asia pacific ai nel mercato della tossicologia predittiva misura 2025: usd 27.6 milioni
• asia pacific ai nel mercato della tossicologia predittiva misura 2033: usd 188,5 milioni
• asia pacific ai nel mercato della tossicologia predittiva
• asia pacific ai segmenti di mercato tossicologico predittivo: per tipo (modelli di apprendimento automatico, piattaforme di deep learning, ai software, strumenti di analisi dati, altri); per applicazione (prove di sicurezza farmaceutica, predizione della tossicità chimica, valutazione del rischio ambientale, sicurezza alimentare, test cosmetici, altri); per end-user (società farmaceutiche, aziende biotecnologiche, istituti di ricerca, agenzie governative, cros, altri); per l'implementazione (cloud, cloud)

per saperne di più su questo rapporto, scaricare gratuitamente il report del campione

asia pacific ai in sintesi del mercato tossicologico predittivo

l'asia pacific ai nel mercato della tossicologia predittiva è stata valutata a 27,6 milioni nel 2025. si prevede di raggiungere 188,5 milioni entro il 2033. che è un cagr del 26.78% nel periodo.

aziende farmaceutiche e produttori chimici e laboratori di regolamentazione utilizzano l'asia pacific ai nel mercato della tossicologia predittiva per rilevare potenziali rischi di tossicità durante le prime fasi di sviluppo del prodotto. le piattaforme utilizzano dati biologici e chimici e genomici per creare previsioni sul comportamento dei composti che aiutano gli scienziati a salvare le risorse prima di condurre test di laboratorio o convalida dello stadio clinico. il processo aiuta le organizzazioni a ridurre il tempo di ricerca, riducendo i progetti falliti che permettono loro di raggiungere decisioni di progetto più veloci.

il mercato si è evoluto negli ultimi cinque anni dalla sua dipendenza precedente su strumenti di tossicologia computazionale basati sulle regole verso piattaforme predittive di apprendimento automatico che analizzano i dati multisonici e i risultati sperimentali effettivi. il principale trigger ha causato da paesi tra cui Cina e Giappone e Corea del Sud che implementano più severe normative di sicurezza chimica e standard di conformità farmaceutica che si sono scontrati con requisiti di emergenza pandemica per uno sviluppo più veloce della droga. le aziende hanno cominciato a spendere soldi sui sistemi di tossicologia digitale che li aiutano a ridurre la loro necessità per i test animali di consumo e metodi di screening manuale. Le aziende utilizzano la predizione della tossicità ai-based per migliorare la loro ricerca e l'efficienza di sviluppo, perché i costi di sviluppo continuano a crescere, che porta ad una più ampia adozione delle operazioni aziendali e ad un maggiore investimento commerciale in tutta la regione.

approfondimenti chiave del mercato

• Cina mantiene la leadership di mercato nell'asia pacific ai per il mercato tossicologico predittivo perché la sua quota di mercato raggiungerà il 34% entro il 2025 attraverso la sua attuazione attiva di progetti di digitalizzazione biotecnologia.
• japan opera come il secondo mercato più grande perché il suo settore farmaceutico utilizza l'intelligenza artificiale e le sue strutture tossicologiche computazionali forniscono un forte supporto.
• India manterrà il suo status di mercato regionale in più rapida crescita fino al 2032 perché il suo settore di outsourcing scoperta della droga genererà tassi di crescita annuali superiori al 20%.
• Corea del Sud dimostra una forte espansione del mercato attraverso il suo sostegno alla ricerca di scienze della vita dell'intelligenza artificiale e la sua attuazione di sistemi normativi modernizzati.
• le piattaforme software dominano, catturando circa la quota di mercato del 48% nel 2025, che riflette la domanda aziendale di strumenti di automazione tossicologica predittiva che forniscono.

• il secondo segmento più grande dei servizi di tossicologia predittiva basati su cloud esiste perché richiede minori spese infrastrutturali e fornisce opzioni di implementazione di sistema flessibili.
• il segmento di crescita più veloce tra ora e 2030 sarà alle-driven multiomics piattaforme di analisi, perché la ricerca di medicina di precisione continua a crescere.
• le aziende farmaceutiche utilizzano applicazioni di scoperta della droga che rappresentano il 42% delle loro risorse perché hanno bisogno di prevedere la tossicità nelle fasi precedenti per ridurre i loro tassi di insufficienza di prova clinica.
• La ricerca di mercato mostra che le aziende farmaceutiche e biotecnologiche detengono il 51% della quota di mercato perché impegnano significativi impegni finanziari per sviluppare processi di tossicologia predittiva.
• I modelli di previsione della tossicità di apprendimento profondo supportano l'innovazione del prodotto che consente ai processi di screening composti di raggiungere la precisione migliorata del 20-30% durante i test.

Quali sono i principali driver, restrizioni e opportunità nell'asia pacific ai nel mercato della tossicologia predittiva?

la forza più forte che accelera l'asia pacific ai nel mercato tossicologico predittivo esiste perché le normative di valutazione della sicurezza chimica sono diventate più rigorose mentre il mandato standard etici ha ridotto i test sugli animali. agenzie di regolamentazione in tutto il Giappone, Corea del Sud e Cina hanno implementato standard di validazione più rigorosi sia per i composti farmaceutici e prodotti chimici industriali durante gli ultimi tre anni. modelli di apprendimento automatico che utilizzano set di dati tossico-genomici e bioattività mostrano un progresso significativo perché le previsioni dei corsi ora raggiungono una maggiore precisione. la combinazione di questi due fattori costringe le aziende farmaceutiche e biotecnologiche a iniziare a utilizzare piattaforme di tossicologia predittiva durante le loro fasi di sviluppo che portano ad un aumento delle entrate di licenza del software e a più abbonamenti piattaforma su scala aziendale.

l'accesso ai dataset tossicologici standardizzati di alta qualità rimane l'ostacolo strutturale più significativo che le organizzazioni affrontano in tutto il mercato. le organizzazioni hanno bisogno di creare modelli predittivi ai che richiedono ampi dataset biologici convalidati che supportano la condivisione dei dati. molti istituti di ricerca e piccole aziende farmaceutiche in asia pacific continuano a utilizzare i loro sistemi obsoleti che si traduce nella loro incapacità di accedere ai dati biologici necessari. la procedura richiede diversi anni perché ha bisogno di quadri normativi transfrontalieri per raggiungere un accordo sulla condivisione dei dati e database che hanno bisogno di un allineamento completo con le specifiche del progetto. il processo di accordi di condivisione dei dati tra le organizzazioni ha bisogno di più anni perché richiede accordi di regolamentazione transfrontalieri per raggiungere la condivisione completa dei dati e la standardizzazione dei database. il processo di accordi di condivisione dei dati tra le organizzazioni ha bisogno di più anni perché richiede accordi di regolamentazione transfrontalieri per raggiungere la condivisione completa dei dati e la standardizzazione dei database.

Piattaforme di apprendimento federata che permettono il lavoro di modellazione della tossicologia trasversale presentano una significativa opportunità di crescita aziendale. singapore e altri paesi stabiliscono ecosistemi di dati biomedici sicuri che permettono alle organizzazioni di sviluppare modelli di intelligenza artificiale attraverso il lavoro collaborativo senza condividere i loro dati sensibili. Il nuovo quadro consentirà a più regioni di partecipare alle attività che aumenteranno il tasso di adozione dell'industria.

che cosa ha l'impatto dell'intelligenza artificiale è stato sull'asia pacific ai nel mercato tossicologico predittivo?

l'intelligenza artificiale trasforma i processi di tossicologia predittiva in tutto l'asia pacifico automatizzando metodi di screening intricati e procedure di valutazione del rischio che hanno usato per prendere test di laboratorio diverse settimane per completare. sistemi avanzati di machine learning ora analizzano librerie di struttura chimica e omics dataset e record tossicologici storici per stabilire la priorità dei composti automatizzati che identifica candidati ad alto rischio prima di avviare costosi test in vitro o in vivo. screening ai-assisted presso i centri R&d farmaceutici in tutto il Giappone, Corea del Sud e singapore consente il 25 a 40 per cento più veloce valutazione della tossicità del primo stadio che consente di sviluppare tubazioni per avanzare composti più rapidamente.

Le capacità predittive sono diventate particolarmente utili per prevedere interazioni biologiche negative. modelli di apprendimento approfondito analizzano i modelli di comportamento molecolare per stimare i rischi di epatotossicità, cardiotossicità e genotossicità con maggiore precisione, consentendo agli sviluppatori di ottimizzare la selezione dei candidati prima. l'organizzazione ha raggiunto i miglioramenti dell'efficienza operativa attraverso i suoi doppi risultati di ridotti fallimenti di sviluppo del tardo-stadio e riduzione delle spese di collaudo, che contemporaneamente ha migliorato la sua capacità di presentare documenti normativi attraverso migliori pacchetti di prove computazionali.

i limiti attuali rimangono significativi. l'accuratezza del modello soffre di due problemi principali che includono alti costi necessari per integrare completamente i sistemi di laboratorio legacy e l'accesso limitato ai dataset tossicologici che coprono diverse regioni. molte piattaforme ancora lottano per generalizzare attraverso nuove classi di composti, il che significa che la validazione di esperti umani rimane essenziale prima che vengano prese decisioni di sviluppo critico.

tendenze chiave del mercato

• aziende farmaceutiche in Giappone e Corea del Sud hanno reindirizzato circa il 30% dei loro bilanci iniziali di test di tossicità verso i metodi di screening digitali basati ai dal 2022.
• Gli organismi di regolamentazione della Cina hanno stabilito nuovi metodi di test alternativi nel 2023 che hanno richiesto agli sviluppatori di utilizzare metodi di test basati su computer combinati al posto dei test animali tradizionali.
• tra il 2023 e il 2025 certara e schrödinger hanno stabilito nuove alleanze regionali per sostenere i loro sforzi di implementazione del modello tossicologico locale.
• dal 2021 l'integrazione tossicogenomica è diventata più comune in quanto gli acquirenti cercano piattaforme in grado di analizzare i dati multiomics anziché i modelli di tossicità a singolo endpoint.
• organizzazioni di ricerca di contratti indian hanno ampliato il loro finanziamento piattaforma di tossicologia ai di più del 20% ogni anno dal 2024 per soddisfare le crescenti esigenze per i servizi di valutazione farmaceutica.
• la capacità di spiegare le funzioni di un modello è diventato essenziale per le organizzazioni dopo il 2023 perché i requisiti normativi ora richiedono alle aziende di mostrare il loro lavoro di algoritmi attraverso processi decisionali trasparenti che utilizzano quando si presentano i dati di sicurezza per i test.
• la pandemica ha dimostrato che le organizzazioni avevano bisogno di capacità di lavoro distanti che le portavano a selezionare soluzioni tossicologiche basate sul cloud perché i loro sistemi on-premise esistenti non potevano gestire le loro operazioni di ricerca in più siti.
• l'ambiente commerciale 2025 ha visto i venditori cambiare i loro modelli operativi perché hanno smesso di vendere prodotti software indipendenti e hanno iniziato a offrire soluzioni tossiche unificate-as-a-service che i loro clienti farmaceutici potrebbero accedere attraverso accordi di abbonamento.
• dal 2024 singapore progetti di ricerca biomedica hanno aumentato il loro uso di apprendimento federato perché questa tecnologia consente alle istituzioni di sviluppare insieme modelli predittivi mantenendo i loro dati proprietari al sicuro.

asia pacific ai nella segmentazione del mercato tossicologico predittivo

per tipo :

i modelli di machine learning per la tossicologia predittiva utilizzano la loro capacità di rilevare i modelli in database biologici e chimici estesi. i modelli consentono alle aziende di iniziare la valutazione della tossicità attraverso il loro processo di screening precoce che richiede test meno tradizionali. il sistema otterrà una migliore precisione attraverso i dati strutturati futuri che saranno utilizzati per il suo processo di formazione e validazione.

piattaforme di apprendimento profonde ai software e strumenti di analisi dei dati migliorare le capacità di previsione attraverso la loro capacità di elaborare dati non strutturati complessi. gli strumenti consentono ai ricercatori di analizzare gli effetti tossici da diversi composti ad una maggiore velocità. il processo di ricerca e sviluppo si basa su tecnologie di supporto aggiuntive che aiutano a migliorare i risultati per ottenere previsioni di tossicità più affidabili.

per applicazione :

I sistemi ai prevedono reazioni nocive sicurezza gli usi di test prima che inizino gli studi clinici. il processo riduce il rischio mentre accelera lo sviluppo del prodotto. predizione della tossicità chimica consente il rilevamento precoce di sostanze pericolose che aiutano a creare prodotti più sicuri. le applicazioni di queste tecnologie migliorano l'efficienza nelle procedure di valutazione della sicurezza che le organizzazioni utilizzano in vari settori.

Gli strumenti ai aiutano la valutazione del rischio ambientale analizzando come gli inquinanti influiscono sugli ecosistemi. sistemi predittivi rilevano ingredienti nocivi nella sicurezza alimentare e test cosmetici. le applicazioni si estendono in vari settori di sicurezza che utilizzano il rilevamento precoce della tossicità per migliorare il processo decisionale e la conformità normativa.

per saperne di più su questo rapporto, scaricare gratuitamente il report del campione

per utente finale :

l'industria farmaceutica utilizza strumenti di tossicologia predittiva per migliorare i loro processi di sviluppo della droga selezionando candidati migliori e diminuendo il tasso di errori di sviluppo della droga. Le aziende biotech utilizzano questi sistemi per accelerare il loro processo di sviluppo del prodotto, mantenendo gli standard di sicurezza per i loro prodotti. Gli istituti di ricerca dipendono dai modelli ai per condurre studi accademici e ricerche sperimentali che esaminano la sicurezza chimica e biologica.

Le agenzie governative utilizzano la tossicologia predittiva per supportare le normative sulla sicurezza pubblica e gli standard di monitoraggio. cros offrono ai propri clienti servizi di test outsourced attraverso l'uso di strumenti ai. altri utenti finali adottano anche questi sistemi per migliorare l'accuratezza nell'analisi della tossicità e ridurre la dipendenza dai metodi di laboratorio tradizionali.

per implementazione:

il sistema basato sul cloud consente agli utenti di accedere agli strumenti di tossicologia predittiva mentre elaborano i dati in tempo reale e collaborano con team provenienti da più sedi. il sistema fornisce agli utenti opzioni di archiviazione scalabili e capacità di calcolo rapide che consentono loro di gestire estesi set di dati nelle attività di previsione e analisi della tossicità.

organizzazioni che gestiscono dati di ricerca sensibili scelgono sistemi on-premise perché questi sistemi creano ambienti sicuri. la distribuzione ibrida combina sia modelli cloud che on-premise, consentendo prestazioni equilibrate, sicurezza e accessibilità. il processo di operazioni tossicologiche predittive ha bisogno di questo approccio per stabilire una gestione efficiente del flusso di lavoro.

Quali sono i casi chiave di utilizzo che guidano l'asia pacific ai nel mercato tossicologico predittivo?

l'asia pacific ai nel mercato tossicologico predittivo mostra la sua applicazione primaria attraverso la scoperta della droga, che serve come il caso principale uso. Gli sviluppatori farmaceutici utilizzano modelli predittivi per determinare i composti tossici durante lo screening preclinico, che li aiuta a identificare i potenziali candidati più velocemente, diminuendo le spese dei fallimenti del progetto di fine fase. l'applicazione crea la sua più grande domanda perché offre vantaggi diretti alle operazioni r&d attraverso una migliore efficienza della ricerca e cicli di sviluppo prodotti abbreviati.

la valutazione della sicurezza chimica e la validazione degli ingredienti cosmetici ora utilizzano applicazioni adiacenti che hanno iniziato a diventare popolari. alle piattaforme permettono ai produttori chimici industriali di ottenere il rispetto delle normative regionali che sono diventati più esigenti in Giappone e Corea del Sud, mentre le aziende cosmetiche si rivolgono a screening computazionale per un migliore allineamento con gli standard di test alternativi e ridurre la loro necessità di test sugli animali.

il campo medico ha sviluppato sistemi di modellazione tossicologica personalizzata, che aiutano i medici a creare piani di trattamento precisi. Gli istituti accademici di singapore e Cina e i centri di ricerca biomedica finanziati dal governo conducono ai test attraverso l'analisi della risposta genomica del paziente, mentre le loro piattaforme iniziali utilizzano metodi di valutazione del rischio predittivo per studiare le terapie biologiche complesse e avanzate delle cellule.

quali regioni stanno guidando l'asia pacific ai in crescita del mercato tossicologico predittivo?

Cina si afferma come la nazione leader per lo sviluppo di tossicologia predittiva in tutta la regione asia pacifica perché investe fortemente nella biotecnologia mentre il suo governo sviluppa sistemi sanitari digitali e potenziamenti dell'industria farmaceutica. lo sviluppo di strumenti di tossicologia computazionale ha ricevuto l'approvazione crescente da enti normativi che hanno fornito agli sviluppatori migliori opzioni per utilizzare sistemi di valutazione della sicurezza ai-driven nei loro processi di ricerca. la nazione possiede una vasta rete di startup di intelligenza artificiale insieme a aziende di produzione farmaceutica e organizzazioni di ricerca genomica e fornitori di servizi di cloud computing. la piattaforma consente agli utenti di formare modelli ad alta velocità, accedendo a vaste risorse di dati che si traduce in tempi più rapidi di mercato per soluzioni di tossicologia predittiva rispetto ad altre aree della regione.

japan detiene la seconda posizione più grande, ma la sua forza deriva dalla consistenza piuttosto che dall'espansione basata su scala. japan si affida ai suoi sistemi di ricerca e sviluppo farmaceutici consolidati e alle sue costanti operazioni di regolamentazione e al suo impegno di business nella creazione di sistemi di biologia computazionale che sono esistiti per lunghi periodi. Le principali aziende farmaceutiche continuano ad aggiornare i quadri di valutazione tossicologica attraverso le strategie di trasformazione digitale misurate. l'azienda stabilisce un modello di business stabile attraverso il suo approccio che genera flussi di reddito in corso da software e vendite di servizi, rendendo Giappone un market player essenziale per il settore economico regionale.

India è diventato il mercato in crescita più rapida a causa della sua recente crescita nei servizi di ricerca di contratto e nei programmi di outsourcing farmaceutico e di incubazione a base di biotecnologie ai. l'attuazione dei progetti di sanità digitale sostenuti dal governo insieme ad un finanziamento accresciuto per le infrastrutture di ricerca di scienze della vita ha portato ad una maggiore adozione dal 2024. le aziende dei mercati nazionali e dei mercati internazionali utilizzano strumenti di tossicologia per migliorare i loro processi di test preclinici e soddisfare i requisiti normativi internazionali. l'attuale situazione di mercato fornisce agli investitori e alle nuove aziende varie opportunità per stabilire partnership di piattaforma e implementare modelli di business localizzati che guideranno il loro sviluppo commerciale fino al 2033.

chi sono i protagonisti dell'asia pacific ai nel mercato della tossicologia predittiva e come competono?

l'asia pacific ai nel mercato della tossicologia predittiva mostra un ambiente competitivo moderatamente frammentato perché l'industria compete attraverso la tecnologia avanzata e la qualità dei dati superiore invece di utilizzare il prezzo come fattore competitivo. consolidate società di software di biologia computazionale mantengono le loro posizioni di mercato attraverso miglioramenti della piattaforma e funzioni di modellazione unificate, mentre le nuove società ai-native utilizzano uno sviluppo più veloce del modello e sistemi di tossicologia unici per competere contro di loro. il principale fattore competitivo per le aziende risiede nella loro capacità di fornire algoritmi accurati che forniscono risultati comprensibili a fini normativi mentre lavorano con i processi di ricerca e sviluppo farmaceutici esistenti.

le partnership tra le diverse regioni diventano essenziali perché le organizzazioni hanno bisogno di accesso ai dati locali e di conoscenza delle normative regionali per ottenere una corretta attuazione. schrödinger utilizza la simulazione basata sulla fisica insieme alla modellazione molecolare per fornire agli utenti farmaceutici maggiore precisione predittiva per i loro processi di screening dei composti. la società raggiunge il suo principale vantaggio competitivo attraverso la sua capacità di incorporare la conoscenza della tossicologia nei suoi processi di progettazione molecolare che consente un progresso più veloce tra i team di scoperta. l'azienda ha sviluppato la sua presenza asiatica attraverso partnership con aziende biotech locali e centri di ricerca accademica. certara stabilisce la sua posizione di mercato attraverso le sue piattaforme di biosimulation di livello normativo che soddisfano i criteri di presentazione, offrendo così valore alle aziende che si concentrano sullo sviluppo del prodotto basato sulla conformità.

la medicina insilico sviluppa nuovi modelli di intelligenza artificiale che predicono gli effetti tossici iniziali attraverso i suoi sistemi di biologia generativa proprietari che migliorano l'efficienza dei test candidati. la società prevede di crescere stabilendo partnership con aziende farmaceutiche asiatiche che devono accelerare i loro processi di ricerca preclinica. exscientia utilizza processi automatizzati per creare il suo sistema di progettazione-valida ad alto rendimento mentre benevolentai utilizza grafici di conoscenza per eseguire analisi tossicologiche che rileva le relazioni a rischio composto che i sistemi predittivi standard non riescono a identificare.

elenco società

• Ibm
• Google
• microsoft
• Nvidia
• Amazzoni
• Esecuzione
• medicina insilico
• Benevolenza
• exscientia
• - Non lo so.
• dassault systèmes
• Oracolo
• zaffira
• profondo
• Atomius

notizie recenti sullo sviluppo

in aprile 2026♪ profondo ha lanciato la sua piattaforma di tossicità a celle singole ai-driven sostenuta da 1,5 milioni di dollari nel finanziamento del seme. l'azienda ha introdotto strumenti progettati per prevedere e spiegare la tossicità della droga a risoluzione di singole cellule, supportando una valutazione preclinica più precisa nei flussi di lavoro di scoperta della droga in tutti i mercati globali, tra cui le condotte biotecnologiche asia-pacifiche.

fonte https://www.prnewswire.com/

in aprile 2026♪ Roche entrata in un accordo definitivo acquistare pathai, un'azienda di patologia e diagnostica ai-powered. l'acquisizione rafforza le capacità predittive e diagnostiche ai-driven di roche, accelerando la scoperta dei biomarcatori e i flussi di lavoro di traduzione clinica che sono sempre più utilizzati nelle applicazioni di sicurezza e sviluppo della droga tossicologia-ascendente. fonte https://www.roche.com/

quali intuizioni strategiche definiscono il futuro dell'asia pacific ai nel mercato tossicologico predittivo?

l'asia pacific ai nel mercato tossicologico predittivo svilupperà sistemi di sicurezza computazionali completi che collegheranno diversi componenti di valutazione della sicurezza in sistemi unificati per l'uso sia nei processi di sviluppo farmaceutico che chimico durante i prossimi cinque-sette anni. l'attuale trasformazione strutturale deriva da tre fattori tecnologici che includono nuove restrizioni al test non-animale, l'aumento delle spese di sviluppo della droga, e lo sviluppo di sistemi multimodali ai che possono elaborare contemporaneamente informazioni genomiche e chimiche e biologiche. il mercato ricompenserà sempre più piattaforme che combinano l'accuratezza predittiva con la spiegabilità di livello normativo.

il mercato affronta un pericolo nascosto perché dipende da un piccolo gruppo di proprietari di dataset di tossicologia proprietari che controllano la maggior parte dei set di dati esistenti. La concentrazione di mercato limiterà l'accesso ai dataset regionali convalidati che creeranno ostacoli finanziari per gli sviluppatori più piccoli che richiedono questi set di dati per sostenere i loro sforzi di innovazione.

la modellazione di tossicologia federata attraverso i cluster di ricerca biomedica dell'asia offre un potenziale significativo per lo sviluppo secondo i ricercatori di singapore e Corea del Sud che lavorano in quadri di collaborazione di dati cross-instituzione sicuri. la migliore strategia di mercato attuale richiede ai partecipanti di investire nei quadri spiegabili durante lo sviluppo di partenariati per la validazione regionale perché questi fattori determineranno la fiducia regolamentare che separa le piattaforme commerciali da soluzioni tecniche che non possono essere monetizzate.

asia pacific ai nella segmentazione del mercato tossicologico predittivo

per tipo

• modelli di apprendimento automatico
• piattaforme di apprendimento profonde
• software ai corsi
• strumenti di analisi dati

per applicazione

• test di sicurezza
• predizione della tossicità chimica
• valutazione del rischio ambientale
• sicurezza alimentare
• test cosmetici

per utente finale

• Società farmaceutiche
• Imprese di biotecnologia
• istituti di ricerca
• agenzie governative
• #

tramite distribuzione

• cloud cloud
• on-premise
• ibrido ibrido