Technische GIDS
AI Precisiedosering en farmacokinetiek
AI-precisiedosering combineert farmacokinetische modellen, die beschrijven hoe een medicijn wordt geabsorbeerd, gedistribueerd en geklaard, met de eigen kenmerken van de patiënt en de gemeten medicijnniveaus om een geïndividualiseerde dosis aan te bevelen.
Luister naar deze gidsAI-verteld · ~3 min
Op deze pagina4 minuten lezen
Overzicht
Voor vancomycine schat Bayesiaanse doseringssoftware de klaring van elke patiënt op basis van één of twee bloedspiegels om een blootstellingsbereik te bepalen. Deze aanpak wordt door de Amerikaanse consensusrichtlijn uit 2020 bevoordeeld boven dosering op basis van uitsluitend dalspiegels.
Diepe duik
Farmacokinetiek vat het gedrag van een medicijn samen met een paar parameters. De klaring (CL) is het bloedvolume dat per tijdseenheid van het geneesmiddel wordt ontdaan. Distributievolume (V) beschrijft hoe wijdverspreid het medicijn zich verspreidt. Uit beide volgt de halfwaardetijd. Voor vancomycine is de blootstelling die de werkzaamheid het beste voorspelt het gebied onder de concentratie-tijdcurve over 24 uur (AUC24). Bij steady state is de AUC24 gelijk aan de dagelijkse dosis gedeeld door de klaring. In 2020 werd in een herziene consensusrichtlijn van ASHP, IDSA, PIDS en SIDP AUC-geleide dosering aanbevolen voor ernstige MRSA-infecties. Het stelde een beoogde AUC/MIC van 400 tot 600 vast, uitgaande van een MIC van 1 mg/l, en gaf de voorkeur aan Bayesiaanse software. Dit verving de oudere praktijk waarbij werd gestreefd naar dalen van 15 tot 20 mg/l. Deze verandering werd doorgevoerd omdat dalspiegels de AUC slecht voorspellen en hoge dalen verband hielden met nierbeschadiging. Oudere methoden maakten gebruik van nomogrammen of eerste-orde-vergelijkingen met twee niveaus die in stabiele toestand binnen hetzelfde doseringsinterval werden getekend. Bayesiaanse methoden gaan uit van een populatiemodel dat is ontwikkeld in gepubliceerde onderzoeken en dat typische parameterwaarden weergeeft, hoe deze veranderen met gewicht, nierfunctie en leeftijd, en hoeveel patiënten variëren. De software werkt deze waarden vervolgens bij met de gemeten niveaus van de patiënt. Het kan werken met een enkel niveau, met niveaus die niet stabiel zijn, en met onregelmatige dosering. Commerciële voorbeelden zijn DoseMeRx, InsightRx en PrecisePK. Een veel voorkomende misvatting is dat deze tools mysterieuze AI zijn. De meeste zijn gebaseerd op gevestigde farmacometrische methoden, bekend als modelgeïnformeerde precisiedosering. Machine learning wordt nu toegevoegd voor het kiezen of middelen van modellen en voor het voorspellen van de goedkeuring van EPD-gegevens. Een andere misvatting is dat software de noodzaak voor oordeel wegneemt. Als een patiënt sterk afwijkt van de populatie waaruit het model is opgebouwd, bijvoorbeeld bij extreem overgewicht, dialyse of snel veranderende nierfunctie, kunnen de uitgangspunten van het model misleidend zijn.
Implementatie in de echte wereld
Voor een patiënt met MRSA-bacteriëmie voert een apotheker de dosistijden van vancomycine en twee gemeten niveaus in. De software schat een 24-uurs AUC van ongeveer 720 mg·uur/l en stelt een lagere dosis voor om de blootstelling binnen het bereik van 400 tot 600 te brengen.
Voordat er niveaus worden getekend, gebruikt de software een populatiemodel met het gewicht van de patiënt en de geschatte nierfunctie om een oplaaddosis en een eerste onderhoudsschema voor te stellen.
Voor een patiënt met cystische fibrose, bij wie de klaring van aminoglycoside vaak verschilt van die bij volwassenen, is de Bayesiaanse schatting op basis van gemeten niveaus leidend voor de dosering van tobramycine.
In een transplantatiecentrum wordt de blootstelling aan busulfan geschat op basis van bloedmonsters na een vroege dosis, en latere doses worden aangepast om een beoogde blootstelling te bereiken.
De toekomst van AI-precisiedosering en farmacokinetiek
Modelgebaseerde precisiedosering breidt zich verder uit dan vancomycine en aminoglycosiden naar andere geneesmiddelen waarvan de blootstelling sterk varieert tussen patiënten, zoals sommige bètalactams, middelen tegen kanker en biologische geneesmiddelen. Snellere testen op geneesmiddelniveau en EPD-integratie zijn belangrijke vereisten. Machine learning kan het meest helpen bij het kiezen van het juiste model voor patiënten buiten de populaties waarop de modellen zijn gebouwd, maar het heeft validatie nodig om toekomstige niveaus goed te kunnen voorspellen. De adoptie zal afhangen van de workflow, de toegang tot de tests, de vergoeding en de uitkomststudies. Voor veel geneesmiddelen wordt nog steeds bewijs ontwikkeld voor betere klinische resultaten, en niet alleen voor het beter bereiken van de doelstellingen.
Het in de praktijk brengen
Waarom het ertoe doet
- Kosten en budget. Architectuurbeslissingen bepalen jarenlang de prestaties en bedrijfskosten.
- Duidelijkere beslissingen. Technisch onderwijs helpt teams bij het kiezen van de juiste stapel, niet alleen de nieuwste.
- Kwaliteitscontrole. Betere technische keuzes verminderen het aantal betrouwbaarheidsincidenten in de productie.
Pas op voor
- Het optimaliseren van één benchmark kan bredere systeemzwakheden verbergen.
- Infrastructuur- en onderhoudskosten worden vaak onderschat.
- De lacunes op het gebied van beveiliging en waarneembaarheid kunnen groter worden naarmate systemen complexer worden.
Volgende stappen
- Definieer latentie-, kwaliteits- en kostendoelen vóór implementatie.
- Benchmark onder realistische belasting- en gegevensomstandigheden.
- Instrumentbewaking op fouten, drift en gebruikersimpact.
- Bereid rollback- en incidentresponspaden voor voordat u gaat schalen.
Blijf verkennen
Gratis nieuwsbrief
Ontvang de dagelijkse AI-briefing
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Take the AI Precision Dosing and Pharmacokinetics quiz
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Veelgestelde vragen
Wat is AI-precisiedosering en farmacokinetiek?
AI-precisiedosering combineert farmacokinetische modellen, die beschrijven hoe een medicijn wordt geabsorbeerd, gedistribueerd en geklaard, met de eigen kenmerken van de patiënt en de gemeten medicijnniveaus om een geïndividualiseerde dosis aan te bevelen. Voor vancomycine schat Bayesiaanse doseringssoftware de klaring van elke patiënt op basis van één of twee bloedspiegels om een blootstellingsbereik te bepalen. Deze aanpak wordt door de Amerikaanse consensusrichtlijn uit 2020 bevoordeeld boven dosering op basis van uitsluitend dalspiegels.
Welk AUC/MIC-bereik beoogde de consensusrichtlijn van vancomycine uit 2020 voor ernstige MRSA-infecties, uitgaande van een MIC van 1 mg/l?
De richtlijn adviseerde een AUC/MIC van 400 tot 600, ter vervanging van de daldoelstellingen van 15 tot 20 mg/l.
Hoe is bij steady state de AUC24 van vancomycine gerelateerd aan dosis en klaring?
Bij steady-state is de totale blootstelling gedurende 24 uur gelijk aan de dagelijkse dosis gedeeld door de klaring. Daarom is het schatten van de klaring van cruciaal belang bij de dosering.
Waarom is de begeleiding afgeweken van de dosering van alleen dal vancomycine?
De gids legt uit dat dalen een imperfecte vervanging vormen voor de AUC, en dat agressieve daldoelen in verband werden gebracht met nefrotoxiciteit.
Welk voordeel hebben Bayesiaanse methoden ten opzichte van traditionele steady-state berekeningen op twee niveaus?
Omdat ze uitgaan van een populatiemodel, kunnen Bayesiaanse methoden doses individualiseren op basis van schaarse, onregelmatige gegevens.
Wat doet de strafterm, gewogen op basis van de variabiliteit tussen proefpersonen, bij een MAP-schatting?
De voorafgaande term houdt schattingen in de buurt van populatiewaarden, tenzij de gegevens van de patiënt iets anders sterk ondersteunen.
Blijf leren
Gerelateerde gidsen
Er zijn meer handleidingen voor dit onderwerp geselecteerd