精准给药与治疗药物监测
精准给药和治疗药物监测（TDM）是临床药理学的一部分，旨在为合适的患者匹配合适的药物剂量。它们结合了测量的药物浓度、药代动力学和药效学模型，以及日益增长的患者基因型信息，以超越固定剂量模式，实现个体化定制的药物暴露。
Definition
精准给药是利用患者特异性信息，包括测量的药物浓度、遗传或生理协变量，以及药代动力学和药效学模型，来选择或调整药物方案，使药物暴露落在期望的治疗范围内；治疗药物监测是测量体液中的药物浓度以指导这种调整。
Scope
本领域旨在向读者介绍个体化给药的概念性构建模块：基因型如何转化为预测的药物处理表型，剂量调整规则和算法如何构建，群体药代动力学和药效学模型如何描述变异性，基因分型如何与TDM中测量的浓度相结合，以及贝叶斯方法如何预测个体的药物暴露。它将这些方法置于药物基因组学和临床药理学框架内，而非作为特定药物的给药说明。
Sub-topics
Core questions
- 患者的基因型如何转化为预测的代谢或转运表型？
- 哪些信息（浓度、协变量、基因型）最能改善个体药物暴露的预测？
- 群体模型如何构建才能捕捉和解释患者间的变异性？
- 何时将基因分型添加到基于浓度的监测中会改变预测的药物暴露？
- 如何将先验群体知识和患者自身的测量结果相结合以预测未来的药物暴露？
Key concepts
- 治疗范围和目标暴露
- 药代动力学和药效学
- 预测的代谢表型
- 药物暴露的协变量
- 群体变异性
- 贝叶斯个体化
- 基因型指导给药
Key theories
- 群体药代动力学-药效学建模
- 一个框架，其中固定（典型）效应、协变量关系以及受试者间和受试者内随机变异性可以从许多个体的稀疏数据中同时估计，为个体化给药提供统计学基础。
- 模型指导的给药个体化
- 通过明确的药代动力学模型，结合计算机估计和患者自身数据，可以根据个体调整给药方案，而不是依赖固定的时间表。
Mechanisms
个体化给药借鉴了多层信息。基因型数据被映射到预测的表型（例如，预测的药物代谢酶活性），这可以改变预期的药物暴露。从许多患者数据中估计的群体药代动力学-药效学模型，描述了典型参数和可识别协变量如何与药物暴露相关，以及仍有多少无法解释的变异性。当药物浓度可以测量时，治疗药物监测将这些测量结果反馈到模型中。然后，贝叶斯预测将群体先验信息与个体的测量结果相结合，以估计该个体的参数并预测未来的浓度，从而允许对给药方案进行优化。
Clinical relevance
精准给药和TDM对于理解和研究健康科学中药物反应的变异性至关重要，特别是对于治疗窗窄或患者间处理差异大的药物。本领域描述了在研究和实践中表征和个体化药物暴露的方法；它是参考和教育材料，并非特定药物剂量建议或个体治疗建议的来源。
Evidence & guidelines
药物基因组学和模型指导给药的实施得到了联盟工作的支持，这些工作将证据转化为结构化指南，包括临床药物遗传学实施联盟和荷兰药物遗传学工作组，它们的指南项目描述了如何根据基因型信息采取行动。统计和建模基础通过群体药代动力学-药效学方法在早期就已建立。
History
该领域起源于20世纪70年代的临床药代动力学，当时Sheiner及其同事提出使用明确的模型和计算机估计来实现个体化给药，并通过20世纪90年代早期整合的群体药代动力学-药效学方法而成熟。从21世纪开始，药物基因组学的成熟将基因型作为协变量加入，实施联盟开始发布结构化指南，将遗传学引入治疗药物监测的既定实践。
Key figures
- Lewis Sheiner
- Stuart Beal
- Mary Relling
- Teri Klein
- Jesse Swen
Related topics
Seminal works
- sheiner1972
- sheiner1992
- relling2011
Frequently asked questions
- 精准给药与治疗药物监测有何不同？
- 治疗药物监测是测量药物浓度以指导给药决策，而精准给药是更广泛的目标，即利用这些测量结果以及模型、协变量和日益增长的基因型信息，为个体量身定制给药方案。
- 遗传学在个体化给药中扮演什么角色？
- 基因型是众多协变量之一：它可以转化为预测的药物处理表型，从而改变预期的药物暴露，然后可以与测量的浓度和群体模型相结合。