A continuaciónSiguiente guía
Precisión promedio y PR-AUC
Técnico
GUÍA Técnica
Farmacocinética y dosificación de precisión de IA
La dosificación de precisión de IA combina modelos farmacocinéticos, que describen cómo se absorbe, distribuye y elimina un fármaco, con las características propias del paciente y los niveles medidos del fármaco para recomendar una dosis individualizada.
Escuche esta guíaNarrado por IA · ~3 min
En esta pagina4 minutos de lectura
Descripción general
Para la vancomicina, el software de dosificación bayesiano estima la eliminación de cada paciente a partir de uno o dos niveles en sangre para alcanzar un rango de exposición. Este enfoque se ve favorecido por la directriz de consenso estadounidense de 2020 sobre la dosificación basada únicamente en los niveles mínimos.
Buceo profundo
Pharmacokinetics summarizes a drug's behavior with a few parameters. Clearance (CL) is the volume of blood cleared of drug per unit of time. Volume of distribution (V) describes how widely the drug spreads. Half-life follows from both. For vancomycin, the exposure that best predicts efficacy is the area under the concentration-time curve over 24 hours (AUC24). At steady state, AUC24 equals the daily dose divided by clearance. In 2020, a revised consensus guideline from ASHP, IDSA, PIDS and SIDP recommended AUC-guided dosing for serious MRSA infections. It set a target AUC/MIC of 400 to 600, assuming an MIC of 1 mg/L, and preferred Bayesian software. This replaced the older practice of aiming for troughs of 15 to 20 mg/L. The change was made because trough levels predict AUC poorly and high troughs were linked to kidney injury. Older methods used nomograms or first-order equations with two levels drawn at steady state within the same dosing interval. Bayesian methods start from a population model developed in published studies, which gives typical parameter values, how they change with weight, kidney function and age, and how much patients vary. The software then updates those values with the patient's measured levels. It can work with a single level, with levels not at steady state, and with irregular dosing. Commercial examples include DoseMeRx, InsightRx and PrecisePK. A common misconception is that these tools are mysterious AI. Most are built on established pharmacometric methods, known as model-informed precision dosing. Machine learning is now being added for choosing or averaging models and for predicting clearance from EHR data. Another misconception is that software removes the need for judgment. If a patient differs sharply from the population used to build the model, for example with extreme obesity, dialysis or rapidly changing kidney function, the model's starting assumptions may mislead.
Implementación en el mundo real
Para un paciente con bacteriemia por MRSA, un farmacéutico ingresa los tiempos de dosis de vancomicina y dos niveles medidos. El software estima un AUC de 24 horas de aproximadamente 720 mg·h/L y sugiere una dosis más baja para llevar la exposición al rango de 400 a 600.
Antes de extraer cualquier nivel, el software utiliza un modelo poblacional con el peso del paciente y la función renal estimada para proponer una dosis de carga y un primer régimen de mantenimiento.
Para un paciente con fibrosis quística, cuyo aclaramiento de aminoglucósidos a menudo difiere del de los adultos típicos, la estimación bayesiana a partir de los niveles medidos guía la dosificación de tobramicina.
En un centro de trasplantes, la exposición a busulfano se estima a partir de muestras de sangre después de una dosis temprana, y las dosis posteriores se ajustan para alcanzar una exposición objetivo.
El futuro de la farmacocinética y la dosificación de precisión de la IA
La dosificación de precisión basada en modelos se está extendiendo más allá de la vancomicina y los aminoglucósidos a otros fármacos cuya exposición varía ampliamente entre pacientes, como algunos betalactámicos, agentes anticancerígenos y productos biológicos. Ensayos más rápidos a nivel de fármaco y la integración de EHR son requisitos clave. El aprendizaje automático puede ayudar más a elegir el modelo adecuado para pacientes fuera de las poblaciones en las que se construyeron los modelos, pero necesita validación para predecir bien los niveles futuros. La adopción dependerá del flujo de trabajo, el acceso a los ensayos, el reembolso y los estudios de resultados. Todavía se están desarrollando pruebas de mejores resultados clínicos, no sólo de un mejor logro de los objetivos, para muchos fármacos.
Poniéndolo en práctica
Por qué es importante
- Costo y presupuesto. Las decisiones de arquitectura impulsan el rendimiento y los costos operativos durante años.
- Decisiones más claras. La educación técnica ayuda a los equipos a elegir la pila adecuada, no sólo la más nueva.
- control de calidad. Mejores opciones de ingeniería reducen los incidentes de confiabilidad en la producción.
cuidado con
- La optimización de un punto de referencia puede ocultar debilidades más amplias del sistema.
- Los costos de infraestructura y mantenimiento a menudo se subestiman.
- Las brechas de seguridad y observabilidad pueden crecer a medida que los sistemas se vuelven más complejos.
Próximos pasos
- Defina objetivos de latencia, calidad y costos antes de la implementación.
- Comparación en condiciones realistas de carga y datos.
- Monitoreo de instrumentos para detectar errores, deriva e impacto para el usuario.
- Prepare rutas de reversión y respuesta a incidentes antes de escalar.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Realice el cuestionario de farmacocinética y dosificación de precisión de IA
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Qué es la dosificación de precisión y la farmacocinética de la IA?
La dosificación de precisión de IA combina modelos farmacocinéticos, que describen cómo se absorbe, distribuye y elimina un fármaco, con las características propias del paciente y los niveles medidos del fármaco para recomendar una dosis individualizada. Para la vancomicina, el software de dosificación bayesiano estima la eliminación de cada paciente a partir de uno o dos niveles en sangre para alcanzar un rango de exposición. Este enfoque se ve favorecido por la directriz de consenso estadounidense de 2020 sobre la dosificación basada únicamente en los niveles mínimos.
¿A qué rango de AUC/CIM se dirigió la directriz de consenso sobre vancomicina de 2020 para infecciones graves por SARM, suponiendo una CIM de 1 mg/l?
La directriz recomendó un AUC/MIC de 400 a 600, reemplazando los objetivos mínimos de 15 a 20 mg/L.
En estado estacionario, ¿cómo se relaciona el AUC24 de vancomicina con la dosis y el aclaramiento?
En estado estacionario, la exposición total durante 24 horas equivale a la dosis diaria dividida por el aclaramiento, razón por la cual estimar el aclaramiento es fundamental para la dosificación.
¿Por qué las directrices se alejaron de la dosificación mínima de vancomicina?
La guía explica que los valles son un sustituto imperfecto del AUC, y los objetivos valles agresivos se asociaron con nefrotoxicidad.
¿Qué ventaja tienen los métodos bayesianos sobre los cálculos tradicionales de estado estacionario de dos niveles?
Debido a que parten de un modelo poblacional, los métodos bayesianos pueden individualizar dosis a partir de datos escasos e irregulares.
En la estimación MAP, ¿qué hace el término de penalización ponderado por la variabilidad entre sujetos?
El término anterior mantiene las estimaciones cercanas a los valores poblacionales a menos que los datos del paciente respalden firmemente algo diferente.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.