技術指南

AI精準給藥與藥物動力學

AI精準給藥將描述藥物如何吸收、分佈和清除的藥物動力學模型與患者自身特徵和測量的藥物水平相結合,以推薦個別化劑量。

聆聽此指南AI 語音敘述 · ~3 min

本頁4 分鐘閱讀
  1. 概述
  2. 深入探討
  3. 現實世界的實施
  4. 人工智慧精準劑量和藥物動力學的未來
  5. 付諸實踐
  6. 不斷探索
  7. 常見問題

概述

對於萬古黴素,貝葉斯給藥軟體根據一個或兩個血液濃度估計每個患者的清除率,以達到目標暴露範圍。與僅根據谷值水平的劑量相比,這種方法受到 2020 年美國共識指南的青睞。

深入探討

藥物動力學用幾個參數總結了藥物的行為。清除率(CL)是單位時間清除血液中藥物的體積。分佈容積 (V) 描述了藥物傳播的範圍。兩者都有半衰期。對於萬古黴素,最能預測療效的暴露量是 24 小時內濃度-時間曲線下的面積 (AUC24)。在穩態時,AUC24 等於每日劑量除以清除率。 2020 年,ASHP、IDSA、PIDS 和 SIDP 修訂後的共識指引建議對嚴重 MRSA 感染採用 AUC 指導劑量。它設定了 400 至 600 的目標 AUC/MIC(假設 MIC 為 1 mg/L)和首選貝葉斯軟體。這取代了以 15 至 20 mg/L 為目標的舊做法。做出這項改變是因為谷值水平對 AUC 的預測效果不佳,而高谷值與腎損傷有關。較舊的方法使用列線圖或一階方程,在同一給藥間隔內以穩態繪製兩個水平。貝葉斯方法從已發表的研究中開發的群體模型開始,該模型給出了典型的參數值、它們如何隨體重、腎功能和年齡變化,以及患者的變化程度。然後,軟體用患者測量的水平更新這些值。它可以在單一水平、非穩態水平和不規則劑量下工作。商業範例包括 DoseMeRx、InsightRx 和 PrecisePK。一個常見的誤解是,這些工具是神秘的人工智慧。大多數都是建立在已建立的藥理學方法的基礎上,稱為模型知情的精確劑量。現在新增了機器學習來選擇或平均模型以及根據 EHR 資料預測清除情況。另一個誤解是軟體消除了判斷的需要。如果患者與用於建立模型的族群有顯著差異,例如極度肥胖、透析或腎功能快速變化,則模型的初始假設可能會產生誤導。

現實世界的實施

對於患有 MRSA 菌血症的患者,藥師輸入萬古黴素劑量時間和兩個測量值。軟體估計 24 小時 AUC 約為 720 mg·h/L,並建議使用較低劑量將暴露量控制在 400 至 600 範圍內。

在繪製任何水平之前,軟體使用具有患者體重和估計腎功能的群體模型來建議負荷劑量和第一個維持方案。

對於囊性纖維化患者,其氨基糖苷類清除率通常與典型成人不同,根據測量水平進行貝葉斯估計可指導妥布黴素的劑量。

在移植中心,白消安暴露量是根據早期劑量後的血液樣本估算的,並調整後期劑量以達到目標暴露量。

人工智慧精準劑量和藥物動力學的未來

基於模型的精確劑量正在從萬古黴素和氨基糖苷類藥物擴展到其他藥物,這些藥物的暴露量在患者之間差異很大,例如一些β-內酰胺類藥物、抗癌藥物和生物製劑。更快的藥物水平測定和 EHR 整合是關鍵要求。機器學習可能有助於為模型所建立的人群之外的患者選擇正確的模型,但需要驗證它是否能很好地預測未來的水平。採用將取決於工作流程、檢測訪問、報銷和結果研究。許多藥物仍在開發更好的臨床結果的證據,而不僅僅是更好地實現目標。

付諸實踐

為什麼這很重要

  • 成本與預算. 多年來,架構決策決定著效能和營運成本。
  • 更明確的決策. 技術教育幫助團隊選擇正確的堆疊,而不僅僅是最新的堆疊。
  • 品質管控. 更好的工程選擇可以減少生產中的可靠性事故。

留意

  • 優化一項基準測試可以隱藏更廣泛的系統弱點。
  • 基礎設施和維護成本常常被低估。
  • 隨著系統變得更加複雜,安全性和可觀察性差距可能會擴大。

後續步驟

  1. 在實施之前定義延遲、品質和成本目標。
  2. 在實際負載和資料條件下進行基準測試。
  3. 儀器監控錯誤、漂移和使用者影響。
  4. 在擴展之前準備回滾和事件回應路徑。

不斷探索

免費電子報

獲取每日 AI 簡報

每個工作日上午提供三則經過驗證的 AI 新聞,以淺顯易懂的英文撰寫。永久免費,無廣告。

每個工作日一封電子郵件。一鍵取消訂閱。我們絕不出售或分享您的地址。

測試一下自己

Take the AI Precision Dosing and Pharmacokinetics quiz

每個答案皆有即時回饋,通過課程後可獲得具備可驗證 ID 的可分享證書。

開始測驗

支持免費的 AI 教育。AI Understanding 是一個 501(c)(3) 非營利組織——絕無廣告,絕無付費牆。 捐款

常見問題

什麼是人工智慧精準給藥和藥物動力學?

AI精準給藥將描述藥物如何吸收、分佈和清除的藥物動力學模型與患者自身特徵和測量的藥物水平相結合,以推薦個別化劑量。對於萬古黴素,貝葉斯給藥軟體根據一個或兩個血液濃度估計每個患者的清除率,以達到目標暴露範圍。與僅根據谷值水平的劑量相比,這種方法受到 2020 年美國共識指南的青睞。

假設 MIC 為 1 mg/L,2020 年萬古黴素共識指引針對嚴重 MRSA 感染的 AUC/MIC 範圍為何?

該指南建議 AUC/MIC 為 400 至 600,取代 15 至 20 mg/L 的谷值目標。

在穩態時,萬古黴素 AUC24 與劑量和清除率有何關係?

在穩定狀態下,24 小時內的總暴露量等於每日劑量除以清除率,這就是為什麼估計清除率對於劑量至關重要。

為什麼指引不再只使用萬古黴素谷劑量?

該指南解釋說,谷值是 AUC 的不完美替代品,激進的谷值目標與腎毒性有關。

貝葉斯方法相對於傳統的兩級穩態計算有什麼優勢?

由於貝葉斯方法從群體模型開始,因此可以根據稀疏、不規則的數據來個性化劑量。

在 MAP 估計中,由受試者間變異性加權的懲罰項有何作用?

除非患者的數據強烈支持不同的情況,否則前一項將估計值保持在總體值附近。