Pronóstico bayesiano en la dosificación personalizada

El pronóstico bayesiano es el motor detrás de la dosificación de precisión informada por modelos. Parte de lo que se conoce sobre una población (el prior), incorpora las concentraciones medidas de un paciente individual y produce una estimación actualizada de los parámetros farmacocinéticos de ese paciente, que luego se puede utilizar para pronosticar la exposición futura y refinar un régimen.

Definition

El pronóstico bayesiano en la dosificación personalizada es el uso del teorema de Bayes para combinar un modelo farmacocinético poblacional (el prior) con las concentraciones medidas de un paciente individual (los datos) para estimar los parámetros de ese paciente (el posterior) y predecir su exposición futura al fármaco.

Scope

Esta entrada cubre la lógica de combinar un prior poblacional con datos individuales, el papel de la estimación de máxima a posteriori y cómo se utilizan los pronósticos para adaptar la dosificación. Es un tema metodológico sobre el enfoque de estimación y no proporciona objetivos específicos de fármacos ni recomendaciones de dosificación individuales.

Core questions

• ¿Cómo se combina un prior poblacional con las mediciones de un individuo?
• ¿Cuántas y qué muestras se necesitan para informar la estimación?
• ¿Cómo mejora el pronóstico a medida que se acumulan más datos individuales?
• ¿Cuáles son los límites de los pronósticos que se basan en un prior poblacional?

Key concepts

• Prior poblacional
• Datos individuales medidos
• Estimación de parámetros posterior
• Estimación de máxima a posteriori
• Contracción (shrinkage) hacia el prior
• Pronóstico de exposición futura

Key theories

Estimación de parámetros bayesiana (máxima a posteriori)

Los parámetros farmacocinéticos individuales se estiman maximizando el posterior, equilibrando el prior poblacional con el ajuste a las propias concentraciones medidas del paciente, de modo que pocas muestras aún pueden producir una estimación individual utilizable.

Mechanisms

Un método de dosificación bayesiano comienza con un modelo poblacional que especifica los valores típicos de los parámetros y su variabilidad; esto sirve como el prior. Cuando las propias mediciones de concentración de un paciente están disponibles, el teorema de Bayes combina el prior con la verosimilitud de esas mediciones para producir una estimación posterior de los parámetros individuales del paciente, comúnmente a través de la estimación de máxima a posteriori. Con datos escasos, la estimación se mantiene cerca del prior poblacional (contracción o 'shrinkage'), y a medida que se acumulan más mediciones individuales, la estimación se basa más en los propios datos del paciente. Los parámetros posteriores se utilizan luego para pronosticar concentraciones futuras y para adaptar el régimen, repitiéndose el ciclo a medida que llegan nuevas mediciones.

Clinical relevance

El pronóstico bayesiano es el método central detrás del software de dosificación de precisión informado por modelos utilizado en investigación y práctica para fármacos que requieren un control cuidadoso de la exposición. Esta entrada describe la metodología de estimación y pronóstico; caracteriza cómo se predice la exposición individual y no es una fuente de objetivos específicos o decisiones de tratamiento individuales.

Evidence & guidelines

El pronóstico bayesiano se basa en la metodología farmacocinética-farmacodinámica poblacional y su software de estimación, con una guía de control de calidad que describe cómo deben construirse y calificarse los modelos poblacionales subyacentes antes de ser utilizados como priors para pronósticos individuales.

History

El enfoque se remonta a la propuesta de Sheiner y sus colegas en 1972 de utilizar modelos y estimación por computadora para la dosificación individualizada, que introdujo la combinación bayesiana del conocimiento poblacional con datos individuales. El marco PK/PD poblacional se consolidó a principios de la década de 1990 y la difusión del software de estimación hizo que el pronóstico bayesiano fuera práctico, y ahora constituye la base de las herramientas de dosificación de precisión informadas por modelos.

Debates

¿Cuánto deben depender los pronósticos del prior frente a los datos individuales?

Con mediciones escasas, las estimaciones se contraen hacia el prior poblacional, lo que puede enmascarar verdaderas diferencias individuales; cómo equilibrar la influencia del prior con datos individuales limitados, y cómo detectar cuándo el prior es inapropiado para un paciente, sigue siendo una preocupación metodológica.

Key figures

• Lewis Sheiner
• Stuart Beal
• Roger Jelliffe

Seminal works

• sheiner1972
• sheiner1992

Frequently asked questions

¿Qué es el 'prior' en la dosificación bayesiana?

Es el modelo farmacocinético poblacional, que resume los valores típicos de los parámetros y su variabilidad antes de que se consideren las propias mediciones de un paciente individual.

¿Por qué el pronóstico bayesiano puede funcionar con solo unas pocas muestras?

Debido a que toma fuerza del prior poblacional, el método puede producir una estimación individual utilizable a partir de datos escasos, y la estimación se basa más en las propias mediciones del paciente a medida que se acumulan más.