關(guān)鍵詞他克莫司；個(gè)體化給藥；給藥模型；兒童；器官移植；藥動(dòng)學(xué)

他克莫司是一種大環(huán)內(nèi)酯類鈣調(diào)磷酸酶抑制劑，是預(yù)防移植后免疫排斥反應(yīng)的一線治療藥物。他克莫司通過(guò)與細(xì)胞質(zhì)蛋白受體FKBP-12結(jié)合，從而抑制T淋巴細(xì)胞鈣調(diào)磷酸酶活性、T淋巴細(xì)胞活化及白細(xì)胞介素2等炎癥因子的產(chǎn)生，進(jìn)而發(fā)揮免疫抑制功效[1]。他克莫司在不同群體中存在著較大的個(gè)體內(nèi)、個(gè)體間變異，使其臨床應(yīng)用受到一定限制。他克莫司個(gè)體化治療藥物監(jiān)測(cè)（therapeuticdrugmonitoring，TDM）共識(shí)已將該藥在體內(nèi)暴露的個(gè)體內(nèi)變異作為預(yù)測(cè)腎移植治療效果的生物標(biāo)志物[2]。而針對(duì)其個(gè)體間變異，則需要通過(guò)常規(guī)TDM來(lái)調(diào)整給藥劑量，以維持血藥濃度處于“治療窗”內(nèi)，從而避免藥物暴露不足或暴露過(guò)量。近年來(lái)，他克莫司已廣泛運(yùn)用于實(shí)體器官移植、狼瘡性腎炎、潰瘍性結(jié)腸炎等疾病的治療[2]。研究發(fā)現(xiàn)，個(gè)體間變異主要表現(xiàn)為他克莫司暴露不足和（或）非免疫介導(dǎo)的損傷，如他克莫司血藥濃度過(guò)高引起的腎毒性[3]；而個(gè)體內(nèi)變異則主要體現(xiàn)在血藥濃度的波動(dòng)性上，往往與較差的預(yù)后相關(guān)，這種變異特征在兒科患者中更為明顯。在兒童的生長(zhǎng)發(fā)育過(guò)程中，藥物在體內(nèi)的吸收、分布、代謝、排泄在不斷變化[4]；此外，兒童體內(nèi)藥物轉(zhuǎn)運(yùn)體和代謝酶不同的表達(dá)水平[5]，以及兒童不同的疾病狀態(tài)，均可能影響他克莫司在靶部位的暴露量，進(jìn)而影響其治療效果和安全性[6]。因此，加強(qiáng)兒童患者他克莫司個(gè)體化TDM和用藥指導(dǎo)尤為重要。

隨著他克莫司藥動(dòng)學(xué)（pharmacokinetics，PK）、藥效學(xué)（pharmacodynamics，PD）、藥物基因組學(xué)（pharmacogenomics，PG）的深入研究，整合了PK/PD/PG的個(gè)體化預(yù)測(cè)模型已相繼被報(bào)道[7―8]。本文擬對(duì)近十年來(lái)國(guó)內(nèi)外兒童使用他克莫司的個(gè)體化用藥模型進(jìn)行綜述，旨在系統(tǒng)梳理現(xiàn)有模型的特點(diǎn)及臨床實(shí)用價(jià)值，從而助力兒童他克莫司個(gè)體化給藥方案的優(yōu)化。

1 兒童他克莫司個(gè)體化給藥模型

1.1 基于群體藥動(dòng)學(xué)的他克莫司個(gè)體化給藥模型

基于TDM的個(gè)體化給藥劑量的優(yōu)化需要患者的PK參數(shù)，經(jīng)典的PK分析通常需要受試者的密集采樣數(shù)據(jù)。然而，在真實(shí)世界中，從個(gè)體患者獲得的血藥濃度數(shù)據(jù)是有限的。群體藥動(dòng)學(xué)（populationpharmacokinetics，PPK）可通過(guò)臨床稀疏采樣點(diǎn)數(shù)據(jù)分析來(lái)獲得代表患者群體的PK特征參數(shù)[8]，以及鑒別影響PK的生理、病理等因素?；赑PK構(gòu)建兒童他克莫司個(gè)體化給藥模型的方法目前已比較成熟。他克莫司的PK受年齡和CYP3A5基因型的影響，其中CYP3A5*1/*1和CYP3A5*1/*3為快代謝型，CYP3A5*3/*3為慢代謝型[4]。眾所周知，基于體重、年齡、體表面積給藥是兒童常見的劑量計(jì)算方式。一項(xiàng)為期30d、納入了53例兒童實(shí)體器官移植者的隨機(jī)對(duì)照研究發(fā)現(xiàn)，基于年齡分層和CYP3A5基因型指導(dǎo)的他克莫司給藥方案可以使患兒的他克莫司血藥濃度更早達(dá)到有效治療窗[7]。也有研究者將體重作為協(xié)變量納入PPK模型，結(jié)果發(fā)現(xiàn)，與體重較高的患兒相比，體重較低患兒需要的他克莫司標(biāo)準(zhǔn)化起始劑量更高[8]。Khamlek等[9]對(duì)21項(xiàng)發(fā)表于1995－2020年的在兒童肝移植/腎移植患者中使用非線性混合效應(yīng)模型進(jìn)行的他克莫司PPK研究進(jìn)行了系統(tǒng)綜述，結(jié)果發(fā)現(xiàn)，大多數(shù)研究采用一室模型來(lái)描述他克莫司的PK特征，體重、移植后天數(shù)、CYP3A5基因型以及紅細(xì)胞壓積是預(yù)測(cè)他克莫司體內(nèi)清除率的常見協(xié)變量；大多數(shù)研究采用內(nèi)部驗(yàn)證來(lái)評(píng)估PPK模型的預(yù)測(cè)能力，有29%的研究進(jìn)行了外部驗(yàn)證，這也凸顯了未來(lái)研究中加強(qiáng)模型驗(yàn)證的必要性。Kassir等[10]基于30例患者的他克莫司血藥濃度數(shù)據(jù)開發(fā)了首個(gè)最大后驗(yàn)貝葉斯估計(jì)器，用于預(yù)測(cè)兒童肝移植患者的他克莫司暴露量。該模型引入了體重作為異速縮放因子，能精確估算他克莫司的清除率，并據(jù)此制定了最優(yōu)采樣策略，即在服藥后4h內(nèi)采集3～4個(gè)血樣，就能準(zhǔn)確估算他克莫司的暴露曲線下面積（areaunderthecurve，AUC）0－12h。筆者所在課題組前期已開發(fā)出基于真實(shí)世界數(shù)據(jù)的他克莫司治療兒童腎移植[11]、肝移植[12]、狼瘡性腎炎[13]等PPK模型，通過(guò)定量考察患兒的病理、生理因素，結(jié)合他克莫司谷濃度，準(zhǔn)確預(yù)測(cè)個(gè)體PK參數(shù)，推動(dòng)了他克莫司兒童個(gè)體化給藥的進(jìn)程。

1.2 基于生理藥動(dòng)學(xué)的他克莫司個(gè)體化給藥模型

基于生理藥動(dòng)學(xué)（physiologicallybasedpharmacokinetics，PBPK）的建模與模擬可將機(jī)體的解剖學(xué)、生理學(xué)、生物化學(xué)參數(shù)與化合物的理化信息整合，用數(shù)學(xué)方程描述復(fù)雜化合物在機(jī)體內(nèi)的吸收、分布、代謝、排泄過(guò)程[14]。與PPK自上而下的建模方法相反，PBPK為自下而上建模，可將表征系統(tǒng)的特征與其他由觀測(cè)獲得的變量相整合，從而預(yù)測(cè)藥物的劑量-暴露-效應(yīng)關(guān)系[15]。與傳統(tǒng)PK模型相比，PBPK模型可整合隨年齡和性別變化的生理、解剖、酶活性和轉(zhuǎn)運(yùn)體表達(dá)等參數(shù)。由于PBPK模型明確考慮了不同器官和組織的血流量，因此可以獲得各個(gè)部位濃度-時(shí)間曲線的定量特征，不僅可以估計(jì)血漿中的藥物暴露量，還可預(yù)測(cè)作用部位的藥物濃度[16]。這一特征在特殊人群（如新生兒）的PK研究中尤為重要——由于新生兒體內(nèi)的細(xì)胞色素P450（cytochromeP450，CYP）3A4、CYP1A2、葡萄糖醛酸結(jié)合酶等代謝酶活性不足[17]，因此需要在構(gòu)建與年齡相關(guān)的PK模型時(shí)特別考慮上述因素。此外，PBPK模型還可結(jié)合機(jī)體血流動(dòng)力學(xué)變化和病理生理學(xué)特征用于構(gòu)建藥物-疾病模型[18]。因此，PBPK模型在預(yù)測(cè)和優(yōu)化兒童他克莫司給藥方案中展現(xiàn)出獨(dú)特的優(yōu)勢(shì)。國(guó)外研究者開發(fā)了兩種兒童腎移植患者他克莫司個(gè)體化劑量預(yù)測(cè)模型——PK模型及PBPK模型，結(jié)合了藥物吸收及清除的晝夜節(jié)律參數(shù)，結(jié)果發(fā)現(xiàn)，與傳統(tǒng)PK模型相比，PBPK模型能更好地預(yù)測(cè)他克莫司在兒童腎移植患者各組織中的分布濃度[19]。

此外，PBPK模型還可預(yù)測(cè)藥物在組織中的濃度與藥物不良反應(yīng)的相關(guān)性，量化藥物濃度與安全性之間的關(guān)系，從而減少藥物不良反應(yīng)的發(fā)生。這一方法在兒科用藥中尤為關(guān)鍵——當(dāng)使用他克莫司這類窄治療指數(shù)藥物時(shí)，PBPK模型可以幫助臨床醫(yī)生為患兒個(gè)體化調(diào)整劑量，在保證療效的同時(shí)最大程度地降低毒性風(fēng)險(xiǎn)。Cai等[20]通過(guò)構(gòu)建PBPK模型結(jié)合反向劑量法，計(jì)算并模擬了不同生理病理狀態(tài)下他克莫司的腎臟藥物濃度；由于肝功能不全可導(dǎo)致血漿蛋白合成減少、有效循環(huán)血容量下降[2]，結(jié)合他克莫司藥物性質(zhì)與疾病嚴(yán)重程度，預(yù)期藥物清除率和首過(guò)消除都可能有不同程度的降低或減少，因此該研究基于不同CYP3A5基因型以及Child-PughA、B、C3個(gè)等級(jí)，開發(fā)了PBPK模型來(lái)預(yù)測(cè)不同肝功能狀態(tài)患者的他克莫司腎毒性閾值，以助力臨床安全用藥。此外，他克莫司與影響CYP3A4/5酶代謝或P-糖蛋白（P-glycoprotein，P-gp）轉(zhuǎn)運(yùn)的藥物合用時(shí)，還需考慮是否會(huì)發(fā)生藥物相互作用。由于P-gp和CYP3A具有相似的底物特異性，因此抑制腸壁和肝臟中P-gp的表達(dá)可影響CYP3A底物的暴露[21]。需要聯(lián)合用藥的患者，體內(nèi)PK可受藥物相互作用的影響，使血藥濃度超過(guò)最大耐受量或低于最小有效量，導(dǎo)致藥物中毒或療效不佳。Zhang等[22]通過(guò)PBPK模型預(yù)測(cè)五酯膠囊與他克莫司的藥物相互作用，同時(shí)考量五酯膠囊主成分五味子酯甲和五味子甲素對(duì)CYP3A4/5的抑制作用，并將五酯膠囊、五味子酯甲和五味子甲素分別納入PBPK模型，最終闡明了他克莫司與五酯膠囊的藥物相互作用機(jī)制并進(jìn)行了PK評(píng)價(jià)。

1.3 基于機(jī)器學(xué)習(xí)的他克莫司個(gè)體化給藥模型

近年來(lái)，隨著人工智能的蓬勃發(fā)展，將人工智能與PK相結(jié)合以探索復(fù)雜的生物學(xué)過(guò)程已成為一種新的趨勢(shì)。機(jī)器學(xué)習(xí)（machinelearning，ML）是人工智能的一個(gè)分支領(lǐng)域，可通過(guò)復(fù)雜的算法（包括決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、貝葉斯方法等）對(duì)大數(shù)據(jù)進(jìn)行訓(xùn)練并提高預(yù)測(cè)性能，目前已廣泛應(yīng)用于計(jì)算機(jī)視覺、醫(yī)學(xué)、金融等各大領(lǐng)域[23]。將ML算法與PK參數(shù)（如表觀分布容積、清除率等）相結(jié)合，可對(duì)有限的PK/PD數(shù)據(jù)進(jìn)行分析和優(yōu)化。Lee等[24]比較了決策樹、隨機(jī)森林、XGBoost3種算法的預(yù)測(cè)性能，最終選擇準(zhǔn)確性較高的XGBoost作為ML分類模型的最終算法。該研究發(fā)現(xiàn)，與傳統(tǒng)單一模型相比，ML分類模型顯示出更穩(wěn)定的預(yù)測(cè)效能。目前，ML算法已被開發(fā)用于成人與兒童使用他克莫司的劑量預(yù)測(cè)。一項(xiàng)基于3個(gè)移植中心、包含2551例腎移植患者的隊(duì)列研究數(shù)據(jù)構(gòu)建的ML模型，按照“二八原則”分為驗(yàn)證集和訓(xùn)練集，運(yùn)用了10種ML算法建模，結(jié)果顯示ETR回歸算法在訓(xùn)練集和驗(yàn)證集中均表現(xiàn)出良好的性能，對(duì)于中國(guó)腎移植患者圍手術(shù)期他克莫司的劑量預(yù)測(cè)更準(zhǔn)確[25]。有研究發(fā)現(xiàn)，XGBoost算法在大樣本估算中能精確預(yù)測(cè)他克莫司血藥濃度的AUC（相對(duì)偏差＜5%，相對(duì)均方根誤差＜10%），性能優(yōu)于最大后驗(yàn)貝葉斯估計(jì)[26]。一項(xiàng)基于13種ML算法預(yù)測(cè)兒童肝移植患者他克莫司血藥濃度的研究發(fā)現(xiàn)，在調(diào)整協(xié)變量后，Ridge模型顯示出最優(yōu)預(yù)測(cè)性能[27]。此外，ML算法在藥物毒理學(xué)領(lǐng)域也有廣闊的應(yīng)用前景，包括用于藥物毒性預(yù)測(cè)的定量結(jié)構(gòu)關(guān)系模型構(gòu)建、不良結(jié)局通路分析、藥物不良反應(yīng)預(yù)測(cè)等[28]。

1.4 基于多元線性回歸的他克莫司個(gè)體化給藥模型

多元線性回歸（multiplelinearregression，MLR）是通過(guò)調(diào)整混雜因素并計(jì)算相關(guān)系數(shù)來(lái)探索多個(gè)暴露量與結(jié)局之間相關(guān)性的統(tǒng)計(jì)分析方法[29]。在他克莫司的PK建模與模擬中，MLR展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)，不僅能夠評(píng)估多個(gè)因素對(duì)血藥濃度的綜合影響，還可以有效量化各種生物標(biāo)志物與血藥濃度之間的相關(guān)性。國(guó)外研究團(tuán)隊(duì)運(yùn)用MLR分析方法，深入探討了兒童造血干細(xì)胞移植后使用他克莫司治療，從靜脈注射轉(zhuǎn)換為口服給藥過(guò)程中影響血藥濃度的關(guān)鍵因素，結(jié)果顯示，性別和合并使用特定抗真菌藥物（如伏立康唑或伊曲康唑）是顯著影響他克莫司血藥濃度的因素[30]。國(guó)內(nèi)研究者對(duì)118例接受他克莫司治療的難治性腎病綜合征患兒的個(gè)體數(shù)據(jù)進(jìn)行了回顧性分析，通過(guò)構(gòu)建MLR模型后發(fā)現(xiàn)，體重、合并用藥及CYP3A5基因多態(tài)性是影響他克莫司血藥濃度的主要因素[31]。也有研究者通過(guò)構(gòu)建MLR模型分析了β-地中海貧血患兒在造血干細(xì)胞移植后使用他克莫司后的血藥谷濃度與他克莫司療效的關(guān)系，但并未發(fā)現(xiàn)兩者之間存在顯著相關(guān)性[32]。兒科人群的建模應(yīng)基于對(duì)患兒生長(zhǎng)發(fā)育、病理生理狀態(tài)、藥物代謝酶等多種復(fù)雜因素的綜合分析[33]，MLR在該人群中的建模是否有優(yōu)勢(shì)尚不明確，針對(duì)兒童他克莫司多種給藥模型的性能預(yù)測(cè)、穩(wěn)定性考察可作為今后的研究方向。

2 他克莫司個(gè)體化給藥輔助決策系統(tǒng)

兒科人群個(gè)體化給藥需綜合患兒病理生理特征、PK/PD原理、藥物遺傳學(xué)等多個(gè)因素，并運(yùn)用統(tǒng)計(jì)學(xué)方法來(lái)描述藥物復(fù)雜的體內(nèi)過(guò)程，因此往往需要借助個(gè)體化給藥輔助決策系統(tǒng)[34]。近年來(lái)，個(gè)體化給藥軟件已成為個(gè)體化精準(zhǔn)給藥的重要工具。目前，基于群體的PK/PD建模與模擬技術(shù)已日趨成熟，涉及的專業(yè)統(tǒng)計(jì)軟件包括NONMEM、PhoenixWinNonlin、MATLAB、Dose‐MeRx、MwPharm++、Edsim++等。其中，NONMEM軟件需要使用者自定義控制文件，并用FORTRAN語(yǔ)言編譯；MATLAB建模與模擬需要一定的編程能力，專業(yè)性強(qiáng)，因此在臨床上使用受限[35]；Edsim++軟件允許用戶創(chuàng)建PPK和PK/PD模型，其中PPK建模主要使用KinPop模塊中的迭代兩階段貝葉斯進(jìn)行，并可將構(gòu)建的模型導(dǎo)入MwPharm++軟件[36]；DoseMeRx、MwPharm++等軟件納入了多元化藥物計(jì)算模型，用戶在使用過(guò)程中可選擇不同的算法進(jìn)行估算[37]。PBPK模型的構(gòu)建需結(jié)合患者生理參數(shù)，目前使用最廣泛的軟件包括Simcyp、Gastroplus、PK-Sim，這些軟件均包含預(yù)定義的機(jī)制模型庫(kù)以及與系統(tǒng)參數(shù)相關(guān)的數(shù)據(jù)庫(kù)[38]，且用戶界面友好、操作簡(jiǎn)便。ML算法和MLR分析主要通過(guò)R語(yǔ)言和Python等專業(yè)統(tǒng)計(jì)和數(shù)據(jù)科學(xué)軟件包實(shí)現(xiàn)，這些工具的結(jié)合大大提高了模型構(gòu)建、訓(xùn)練和評(píng)估的效率，同時(shí)增強(qiáng)了預(yù)測(cè)的精確度。隨著個(gè)體化給藥輔助決策系統(tǒng)的日益完善，由模型引導(dǎo)他克莫司個(gè)體化給藥將更加精準(zhǔn)。

3 結(jié)語(yǔ)與展望

本文對(duì)近年來(lái)應(yīng)用于兒童的他克莫司個(gè)體化給藥的多種建模方法進(jìn)行了系統(tǒng)分析，包括PPK、PBPK、ML算法和MLR分析，這些方法在預(yù)測(cè)他克莫司血藥濃度及優(yōu)化給藥方案中各具特色。PPK模型在定量表征他克莫司在兒童群體中的PK差異性方面表現(xiàn)出色，尤其適用于臨床稀疏采樣的建模，但其對(duì)模型結(jié)構(gòu)和參數(shù)的假設(shè)可能限制個(gè)體化給藥的精確度。PBPK模型可結(jié)合兒童特定的生理參數(shù)，模擬藥物在器官組織的分布，從而探索藥物在體內(nèi)的動(dòng)態(tài)過(guò)程；但由于需要大量生理生化參數(shù)，且還需考慮與兒童年齡相關(guān)的代謝酶表達(dá)譜，模型復(fù)雜度高、應(yīng)用難度較大。傳統(tǒng)的MLR分析為早期他克莫司劑量預(yù)測(cè)提供了簡(jiǎn)單直觀的工具，但難以處理復(fù)雜的非線性關(guān)系，預(yù)測(cè)準(zhǔn)確度有限。ML算法展現(xiàn)出處理復(fù)雜非線性關(guān)系的潛力，但其對(duì)大樣本數(shù)據(jù)的需求和模型可解釋性差的問(wèn)題可能限制其臨床應(yīng)用。值得注意的是，這些方法的結(jié)合運(yùn)用取得了較好的效果，如：ML結(jié)合PBPK建?？梢酝瑫r(shí)考慮患者的生理因素、藥物代謝特征、典型生物標(biāo)志物以及血藥濃度，從而實(shí)現(xiàn)兒童他克莫司個(gè)體化給藥的劑量?jī)?yōu)化，提高治療的有效性和安全性[39]；ML結(jié)合PPK建模可以識(shí)別出潛在的患者亞群（如CYP3A5*1/*1、CYP3A5*1/*3、CYP3A5*3/*3基因型）[40]——由于藥物代謝基因的分型不同，上述亞群在相同他克莫司治療劑量下有不同的藥物反應(yīng)，而ML結(jié)合PPK模型有助于識(shí)別不同亞群的患者并對(duì)其進(jìn)行精準(zhǔn)治療，同時(shí)準(zhǔn)確預(yù)測(cè)他克莫司的清除率，優(yōu)化給藥劑量。綜上所述，結(jié)合兒童發(fā)育藥理學(xué)特點(diǎn)的多種建模方法的綜合運(yùn)用可能成為未來(lái)研究的趨勢(shì)，從而為兒童他克莫司的個(gè)體化精準(zhǔn)治療提供有力支持。