论文标题:Optimizing Mycophenolate Therapy in Renal Transplant Patients Using Machine Learning and Population Pharmacokinetic Modeling

论文链接: https://www.mdpi.com/2076-3271/13/4/235

期刊名： Medical Sciences

期刊主页： https://www.mdpi.com/journal/medsci

霉酚酸（MPA）是肾移植患者一线免疫抑制方案的重要组成部分，但其药代动力学差异大，需个体化给药以兼顾疗效与安全。本研究利用76例肾移植患者数据，构建了适用于两种剂型（EC?MPS与MMF）的群体药代动力学（PopPK）模型，并结合机器学习（ML）技术优化MPA暴露预测。PopPK分析发现，总日剂量与移植后时间是影响清除率的关键因素。ML中的主成分分析和集成树模型进一步确认了剂量、尿素水平和移植时间对MPA浓度的重要作用，并显示出高预测准确性（R2>0.91）。将唾液MPA浓度纳入模型可提升预测能力，提示唾液有望作为辅助监测指标，但血浆监测仍更可靠。蒙特卡洛模拟用于评估清除率降低时的暴露变化，为调整剂量提供依据。来自希腊雅典国立卡波季斯特里亚大学Vangelis D. Karalis博士及其团队在Medical Sciences 期刊发表了文章，研究表明，PopPK与ML的结合能够更全面地解析MPA变异性，为肾移植患者个体化免疫抑制治疗提供方法学基础。

研究过程与结果

本研究利用群体药代动力学（PopPK）建模与机器学习（ML）技术，系统评估肾移植患者霉酚酸（MPA）的药代特征，并探索个体化给药策略。研究纳入76名肾移植受者，均接受MMF或EC?MPS治疗并稳定随访。采集血浆与唾液C0浓度，同时记录年龄、移植后时间（PTP）、肾功能及血液学指标等相关数据，用于构建PopPK模型与ML预测模型。

在PopPK分析中，EC-MPS与MMF均符合一室模型、一级吸收与消除特征。两模型的关键发现一致：MPA清除率受PTP和总日剂量（TDD）显著影响。吸收速率常数（ka）、表观分布容积（V）及清除率（CL）均表现出中等程度的个体差异。模型经GOF、VPC/NPC等图形和统计学验证，预测性能良好。

机器学习进一步用于识别影响MPA浓度的关键因素。Boosted tree模型显示，TDD是最重要的预测因素，其次是尿素水平和PTP，预测性能高（R²>0.91）。加入唾液MPA浓度后，模型预测能力增强，且SHAP图显示唾液浓度成为最重要变量之一。尽管血浆仍是监测金标准，结果提示唾液具有辅助监测潜力。PCA分析也验证了剂量、尿素与MPA浓度间的显著相关性，PTP与浓度呈负相关。为评估肾功能损害对MPA暴露的影响，基于EC?MPS模型开展蒙特卡洛模拟。结果显示：当清除率降低50%和75%时，MPA浓度明显升高，尤其在720 mg BID剂量下风险更大。为避免毒性，模拟提出针对肾功能下降患者的调整方案：原360 mg BID剂量可调整为180 mg BID或180 mg QD；原720 mg BID可调整为360 mg BID或360 mg QD，以维持AUC在30–60 μg·h/mL治疗范围内。

综上，本研究证明PopPK与ML结合可有效解析MPA的PK变异性，识别重要影响因素，并为肾移植患者提供数据驱动的个体化给药策略，为精准免疫抑制治疗奠定基础。

研究总结

本研究通过结合群体药代动力学（PopPK）模型与机器学习（ML）方法，系统分析肾移植患者霉酚酸（MPA）的药代特性，并探索个体化给药、肾肝功能损害下的剂量调整及唾液监测的可行性。研究构建了EC?MPS与MMF两种剂型的两个PopPK模型，均采用一室模型、一级吸收与消除动力学。由于仅具备稳态谷浓度数据，难以估计更复杂的药代结构。两模型均提示移植后时间（PTP）与总日剂量（TDD）显著影响MPA清除率，与文献结果一致。PTP对清除的影响体现了移植后早期肾功能恢复、蛋白结合变化及共用免疫抑制剂（如环孢素与他克莫司）的差异。TDD与清除正相关，可能反映临床中为达到靶浓度而进行的个体化剂量调整。

ML分析增强了对MPA变异性的理解。Boosted tree和PCA均确认剂量、尿素水平和PTP是MPA浓度的主要决定因素。尿素升高与MPA增高相关，提示肾功能下降导致MPAG累积与EHR增强，从而提高暴露水平。血液学指标（WBC、RBC、PLT）虽影响较小，但其变化可能与免疫抑制、感染或移植后恢复相关。年龄影响中等，提示老年患者仍需密切监测。

研究进一步模拟肾功能损害对MPA的影响。蒙特卡洛模拟显示，当清除率下降50%或75%时，MPA浓度明显升高，尤其在720 mg BID剂量下风险更大。基于模拟，提出肾功能损害患者的调整方案，如360 mg BID可降至180 mg BID或QD，以维持AUC在30–60 μg·h/mL内。

本研究还评估唾液作为非侵入性监测工具的可能性。ML结果显示，唾液MPA浓度与血浆具有较强相关性，加入唾液数据可显著提高模型预测能力，但仍需更大样本与纵向数据验证。总体而言，PopPK提供了机制层面的解释，ML揭示了复杂非线性因素，二者结合为个体化MPA给药提供了方法学基础，并为未来临床决策支持系统的发展奠定重要依据。

Medical Sciences期刊介绍

主编： Prof. Dr. Antoni Torres, Universidad de Barcelona, Barcelona, Spain

发表关于疾病分子和细胞过程的原始研究、评论文章和简短通讯，以增加对医学基本原理和生物学问题的理解。

2025 Impact Factor：5.9

2025 Citescore：4.6

Time to First Decision：18.3 Days

Acceptance to Publication：2.6 Days