El uso de diseños de superficie de respuesta para la formulación de medicamentos es muy necesario en la actualidad. Tales diseños inteligentes reducen el número de experimentos requeridos en comparación con los diseños factoriales completos, al tiempo que proporcionan resultados altamente precisos y confiables. Este estudio compara la efectividad de dos de los diseños de superficie de respuesta más comúnmente utilizados: Diseño Compuesto Central (CCD) y Diseño D-óptimo (DOD) en la modelización de un sistema de entrega de medicamentos basado en polímeros. El rendimiento de los dos diseños se evaluó además en un escenario desafiante donde un punto central se convirtió deliberadamente en un valor atípico. Ambos métodos se evaluaron utilizando ANOVA, valores R-cuadrado y precisión adecuada, y se evaluaron a través de un punto de validación experimental. Ambos modelos demostraron significancia estadística (valor p < 0.05), confirmando su capacidad para describir las relaciones entre las variables de formulación y los atributos críticos de calidad (CQAs). El CCD logró valores R-cuadrado y R-cuadrado predicho más altos en comparación con el DOD (0.9977 y 0.9846 frente a 0.8792 y 0.7858, respectivamente), lo que lo convierte en el enfoque superior en términos de modelar las interacciones de variables complejas. Sin embargo, el DOD demostró ser más predictivo ya que obtuvo un porcentaje de error relativo más bajo. La resiliencia demostrada de ambos modelos, a pesar de la introducción de un valor atípico, valida aún más su utilidad en aplicaciones del mundo real, en lugar del exhaustivo diseño factorial completo.