基于丙戊酸群體藥物動力學模型的個體化給藥方案的制定

李新剛，朱樂亭，余克富，田德薔，劉 薇，趙志剛（.首都醫科大學附屬北京天壇醫院藥劑科，北京 00050；.首都醫科大學附屬北京兒童醫院藥劑科，北京 00045）

基于丙戊酸群體藥物動力學模型的個體化給藥方案的制定

李新剛1，朱樂亭1，余克富1，田德薔1，劉 薇2，趙志剛1（1.首都醫科大學附屬北京天壇醫院藥劑科，北京 100050；2.首都醫科大學附屬北京兒童醫院藥劑科，北京 100045）

目的：建立丙戊酸在中國癲癇患兒體內的群體藥物動力學模型，以制定個體化的給藥方案。方法：回顧性收集2011年5月– 2013年5月在我院住院并服用丙戊酸常規治療癲癇患兒的臨床資料與血藥濃度數據，采用非線性混合效應模型法建立丙戊酸的群體藥物動力學模型，基于最終的群體藥動學模型，采用貝易斯反饋法估算個體參數并制定個體化的給藥方案。結果：最終的群體模型為：CL/F = 0.13 + 0.02×Age + 0.04×LTG（L·h-1），V/F = 7.40 + 23.4×Tablet（L），ka= 2.38（h-1）。Age為年齡；當患兒同時服用拉莫三嗪時LTG為1，否則為0；當患兒服用丙戊酸片劑時Tablet為1，服用丙戊酸糖漿劑時Tablet為0。以此模型為基礎的個體化預測結果與實測結果較為吻合。結論：建立的丙戊酸群體藥物動力學模型具有一定的代表性，基于此模型采用貝易斯反饋法可用于個體化給藥方案的制定。

丙戊酸；癲癇；藥物動力學；個體化給藥

丙戊酸（valproic acid，VPA）為廣譜抗癲癇藥物，其有效的血藥濃度范圍為50 ～ 100 μg·mL-1，其藥物動力學個體差異較大，易受到劑型、年齡、合并用藥等多種因素的影響，臨床上多進行治療藥物監測以調整藥物濃度。目前國際上公認的個體化給藥設計方案之一是貝易斯反饋法[1-3]，基于群體模型參數，結合患者的少數藥物濃度數據點，即可估算出個體參數與最優給藥方案。本研究以我院兒科住院治療的癲癇患兒為研究對象，采用非線性混合效應模型法逐步建立VPA在癲癇患兒體內的群體藥物動力學模型，定量考察多種因素對丙戊酸的清除率和表觀分布容積的影響，基于最終的群體模型，采用貝易斯反饋法求算新住院患兒的個體參數，為個體化用藥方案提供臨床參考。

1 材料和方法

1.1 資料來源

回顧性收集2011年5月– 2013年5月就診于我院兒科的113例癲癇住院患兒的常規監測數據，包括：年齡、性別、丙氨酸氨基轉移酶、天門冬氨酸氨基轉移酶、總蛋白、血清肌酐、合并用藥（卡馬西平、拉莫三嗪、左乙拉西坦、苯妥英、苯巴比妥、托吡酯）和丙戊酸的劑型。

1.2 藥品

丙戊酸鈉緩釋片（0.5 g，杭州賽諾菲安萬特民生制藥有限公司）和丙戊酸鈉糖漿（300 mL：12 g，杭州賽諾菲安萬特民生制藥有限公司）。

1.3 血藥濃度測定的方法

采用AxSYM全自動免疫分析儀（美國雅培公司）和AxSYM丙戊酸測定試劑盒（美國雅培公司）對VPA的血藥濃度進行測定，測定方法為熒光偏振免疫檢測法。線性范圍12.5 ～ 150 μg·mL-1，日內及日間變異系數小于5%。每日隨行質控樣品，低、中、高質控品的濃度分別為37.5、75、125 μg·mL-1，相應的測定范圍分別為32.5 ～ 42.5 μg·mL-1、65 ～ 85 μg·mL-1、106.5 ～143.5 μg·mL-1，對于質控樣品測定結果不在測定范圍時，當日所有樣品進行重復測定。

1.4 軟件

本研究使用的軟件如下：FORTRAN編輯平臺（GFORTRAN，美國GNU公司），NONMEM軟件（Version 7.2.0，美國ICON公司），PsN軟件（Version 3.6.2，瑞典烏普薩拉大學），JPKD軟件（Version 3.0，臺灣高雄醫科大學）。

1.5 群體藥物動力學模型的建立

應用NONMEM程序對本研究所得數據進行分析，對一室和二室模型均進行了嘗試，由于濃度點多分布在谷濃度，故無法準確求算藥物的分布情況，且兩種模型擬合未見明顯差別，故而選擇了一室模型。由于數據中沒有吸收相的血藥濃度，故而固定其吸收速率常數為文獻報道值2.38 h-1[4]。建立VPA的基礎藥物動力學模型后，選取年齡、性別、丙氨酸氨基轉移酶、天門冬氨酸氨基轉移酶、總蛋白、血清肌酐、合并用藥（卡馬西平、拉莫三嗪、左乙拉西坦、苯妥英、苯巴比妥、托吡酯）和丙戊酸的劑型為協變量采用逐步回歸法建立該藥物的群體藥物動力學模型。

1.6 基于群體模型的個體化給藥

將模型擬合得到的群體參數與相關影響系數輸入JPKD軟件中，構建貝易斯反饋模型，該模型能夠利用患兒的協變量信息和一個濃度點，采用貝易斯反饋法求算患兒的個體藥物動力學參數。為考察所建模型的預測性能，我們對新入院患兒的實測結果與模型擬合結果進行比對。首先患兒按照醫生的醫囑用藥，達穩后進行血藥濃度監測，對于血藥濃度不在有效濃度范圍內的患者，我們采用貝易斯反饋法求算患兒的個體藥物動力學參數，并給予個體化的用藥方案。對于采納用藥方案的患兒用藥達穩后再行測定血藥濃度，將此結果與模型預測結果進行比對；對于未采納用藥方案的患兒再行血藥濃度監測時，我們會依患兒所用的給藥方案預測血藥濃度并與實測值進行比對，以評估模型的預測性能。

2 結果

2.1 癲癇患兒的人口統計學資料

本研究共納入113例癲癇患兒，平均每人約有2個采血點，基本滿足群體藥物動力學的建模要求；年齡分布較寬，從1個月到16歲不等，大部分處在10歲以下；男性患兒的數量約為女性患兒的2倍；服用劑量的范圍較寬，可見患兒的用藥差異較大，這是由于患兒年齡差別較大所致；采樣時間點雖然比較寬泛，但大部分集中于用藥后的谷濃度時間點，只有少數采集了峰濃度時間點的血藥濃度；絕大部分患兒的丙氨酸氨基轉移酶、天門冬氨酸氨基轉移酶、總蛋白和肌酐均處于正常范圍內。詳見表1。

表1 入組患兒的人口統計學情況Tab 1 Demographic background of the subjects for modeling

2.2 最終群體藥物動力學模型的建立

基礎模型采用一級吸收和消除的單室開放模型擬合，相對清除率（CL/F，CL為清除率，F為生物利用度）為0.225 L·h-1，相對表觀分布容積（V/F，V為表觀分布容積）為7.96 L，在此基礎上逐步考察發現，年齡、用藥劑型、合并用拉莫三嗪、合并用卡馬西平對藥物的清除率均有顯著影響，年齡和用藥劑型對表觀分布容積有顯著性影響，而性別、丙氨酸氨基轉移酶、天門冬氨酸氨基轉移酶、總蛋白、血清肌酐等因素對清除率和表觀分布容積均沒有影響。在建立的全量模型基礎上逐一剔除協變量，選擇χ2

0.005，1= 7.78這一標準，得到的最終模型參數如下：CL/F = 0.13 + 0.02×Age + 0.04×LTG（L·h-1）， V/F = 7.40 + 23.4×Tablet（L）。Age為年齡；當患兒同時服用拉莫三嗪時LTG為1，否則為0；當患兒服用丙戊酸片劑時Tablet為1，服用丙戊酸糖漿劑時Tablet為0。由模型可知清除率隨著年齡的增加而增大，當患兒聯用拉莫三嗪時清除率亦增大；片劑對患兒的表觀分布容積有明顯的影響，當患兒服用片劑時表觀分布容積顯著增加。詳見表2。

表2 最終群體藥物動力學模型參數的擬合結果Tab 2 Parameter estimates of the fi nal pharmacokinetic model

為比較最終模型與基礎模型的擬合結果，以群體預測值為橫坐標，觀測值為縱坐標作圖，可以得出曲線擬合優劣的總體輪廓。擬合質量較好時數據點均應當在截距為零、斜率為1的單位線兩側均勻分布，且數據點與單位線越接近則表示擬合的精密度越高。診斷圖顯示，最終模型擬合精密程度較基礎模型有明顯改善。詳見圖1。

2.3 群體藥物動力學模型的預測性能

最終我們選擇了10例新入院的癲癇患兒作為模型驗證組，評價最終群體藥物動力學模型的外部預測能力，以考察該模型給出個體化用藥方案的可靠性。模型預測值與實測值見圖2，模型預測結果與實測值較為吻合，在10例患兒中，6例患兒的血藥濃度被高估，其余4例被低估，整體來看沒有出現群體性的高估或低估，表明模型無明顯偏倚。

圖1 兩種模型的觀測值與群體預測值的散點圖A–基礎模型，B – 最終模型Fig 1 Scatter diagram of observed concentration versus population predicted concentration in two modelsA – base model, B – fi nal model

圖2 基于最終模型的預測值與觀測值的對比散點圖Fig 2 Scatter diagram of model-based predictive concentration versus observed concentration

3 討論

3.1 數據質量與協變量的加入方式

對于回顧性收集得到的治療藥物監測數據，其服藥與采樣時間點可能會與實際情況稍有偏差，這在一定程度上會影響數據質量。本模型只納入了113例癲癇患兒的血藥濃度監測數據，平均每位患兒有2個采血點。此外，該藥受代謝酶CYP450基因多態性的影響明顯，由于我們收集的是回顧性數據，所有患兒均未做相關基因檢測，因此不能得到相關數據，這也是本研究的不足之處。在協變量的加入方式上，我們嘗試了多種加入方式，如：指數型、冪型、加和型等，但在協變量與個體參數的相關關系的分析中發現，清除率與年齡之間呈明顯的加和型關系，且目標函數值也是采用加和型最小，所以在最終模型中選擇了加和型的加入方式。

3.2 最終群體模型的建立與比較

在選擇基礎模型時，我們參考了國內外的文獻，選擇了廣泛認可的一級吸收單室模型[4-6]。由于采樣點絕大部分集中于谷濃度區域，少數采集了藥物峰濃度，但均沒有藥物吸收相的數據，所以無法估算藥物的吸收速率常數，因此選擇了文獻[4]報道值。隨著年齡的增長，患兒對藥物的清除能力增強，相應的用藥劑量應增加；患者合用拉莫三嗪時，清除率亦增大，說明拉莫三嗪會加速藥物的排泄；最終的群體模型中保存了劑型對表觀分布容積的影響，服用片劑的患兒表觀分布容積顯著增大，這是由于片劑的生物利用度較口服溶液低，導致同等劑量下血藥濃度偏低，估算得到的表觀分布容積變大，本套數據中服用片劑的患兒占16%，雖然模型中擬合出片劑會對表觀分布容積有顯著影響，但仍有進一步優化的余地。由于所建模型基于國內數據，我們僅與國內模型進行比較，姜德春等[4]、郁莉斐等[5]和石珩[6]所建立的群體藥動學模型中均發現體質量對表觀分布容積有顯著影響，本模型采用的數據中沒有體質量信息，未能發現體質量與表觀分布容積之間的關系。在全量模型中加入了年齡對表觀分布容積的影響，但在逆向剔除過程中由于影響不夠顯著而被去掉。姜德春等[4]和郁莉斐等[5]的模型中加入了年齡對清除率的影響，清除率隨年齡的增加而增大，這與我們的模型結果相似。郁莉斐等[5]和石珩[6]的模型還表明合并用藥（氯硝西泮、苯巴比妥和卡馬西平）具有增加清除率的作用。本研究所用數據中雖有合并用藥信息，但合并用藥患者的比例較低，未能考察出這些因素對清除率的影響[7]，研究發現拉莫三嗪具有增大丙戊酸清除的作用。

3.3 基于模型的個體化用藥方案的預測

我們采用最終模型對新入院患兒進行了個體化用藥方案的預測，表明該模型有可靠的預測性能。短期內我們只收集到10例信息較為詳盡的患兒進行模型驗證，為檢驗模型的可靠性，還有必要進行大規模的數據驗證，特別是采用外院癲癇患兒對模型進行考察。群體模型的最終目的在于臨床應用，目前國內外已有多篇文獻報道了基于群體模型的個體參數預測及個體化的用藥方案建議[1-3]，所用軟件有國內沈陽軍區總醫院編制的《臨床藥動學給藥個體化程序》（CPKDP），國外的USC*PACK軟件等。本研究采用我國臺灣高雄醫科大學藥學院開發的開源軟件JPKD[8]，該軟件提供了一個貝易斯估算平臺，用戶可將自已建立的群體模型輸入軟件中，基于貝易斯算法求算個體參數進而提出個體化用藥建議。

4 小結

較成人而言，兒童的個體差異很大，更需要進行個體化的藥物治療。本文以癲癇患兒服用丙戊酸為例，采用非線性混合效應模型法建立了群體藥物動力學模型，在群體模型的基礎上應用貝易斯反饋法求算新入院兒童的個體藥物動力學參數，為臨床實現個體化給藥提供了支持。

[1] 夏東亞，劉寶慶，隋因.應用Bayesian反饋法預測阿替洛爾藥物動力學參數及血藥濃度[J].中國醫院藥學雜志，1996，16（8）：339-341.

[2] Yan FR, Huang Y, Liu JL, et al. Bayesian inference for generalized linear mixed model based on the multivariate t distribution in population pharmacokinetic study[J]. PLoS One, 2013, 8(3): e58369.

[3] McCune JS, Bemer MJ, Barrett JS, et al. Busulfan in infant to adult hematopoietic cell transplant recipients: a population pharmacokinetic model for initial and Bayesian dose personalization[J]. Clin Cancer Res, 2014, 20(3): 754-763.

[4] 姜德春，王麗，盧煒.用NONMEM法建立中國癲癇兒童丙戊酸鈉的群體藥動學模型[J].中國藥學雜志，2007，42（4）：291-295.

[5] 郁莉斐，丁俊杰，石珩，等.中國癲癇患兒丙戊酸群體藥動學模型的建立[J].中國循證兒科雜志，2009，4（6）：509-513.

[6] 石珩.丙戊酸在癲癇患兒中的群體藥代動力學研究[D].上海：復旦大學，2009.

[7] 王東曉，李莉，朱曼.從1例老年感染患者探討碳青霉烯類藥物與丙戊酸鈉的藥物相互作用[J].中國藥物應用與監測，2013，10（2）：87-90.

[8] Fuchs A, Csajka C, Thoma Y, et al. Benchmarking therapeutic drug monitoring software: a review of available computer tools[J]. Clin Pharmacokinet, 2013, 52(1): 9-22.

Formulation of personalized dosage regimen based on population pharmacokinetics of valproic acid

LI Xin-gang1, ZHU Yue-ting1, YU Ke-fu1, TIAN De-qiang1, LIU Wei2, ZHAO Zhi-gang1(1. Department of Pharmacy, Beijing Tiantan Hospital Affi liated to Capital Medical University, Beijing 100050, China; 2. Department of Pharmacy, Beijing Children's Hospital Affi liated to Capital Medical University, Beijing 100045, China)

Objective:To establish population pharmacokinetics of valproic acid (VPA) in children with epilepsy, and realize personalized dosage regimen on the basis of population pharmacokinetics.Methods:The clinical data and VPA plasma concentrations of children with epilepsy in our hospital from May 2011 to May 2013 were collected retrospectively, and nonlinear mixed effect modeling (NONMEM) method was used to establish population pharmacokinetics of VPA. A one compartment pharmacokinetic model with fi rst-order absorption and elimination was used to characterize the concentration-time data. The fi rst order conditional estimation with η-ε interaction (FOCE-I) was used throughout the model building procedure. Absorption rate constant (ka) was fi xed as 2.38 (h-1) according to previous report. On the basis of basic model, the infl uence of physiological factors and combined medication on relative clearance (CL/F) and apparent volume of distribution (V) were investigated using NONMEM program. Based on the fi nal population pharmacokinetics and Bayesian method, the personalized dosage regimen was optimized.Results：A total of 113 pediatric inpatients and 205 plasma VPA concentrations were collected retrospectively. Objective function value of basic model and fi nal model were 1 555.949 and 1 467.999, respectively. The fi nal population parameters were as follow: CL/F = 0.13 + 0.02 × Age + 0.04 × LTG (L·h-1), V/F = 7.40 + 23.4 × Tablet (L), ka= 2.38 (h-1). Where LTG was 1 when co-medicated with lamotrigine, otherwise LTG was 0. Where Tablet was 1 when patient took VPA tablets, otherwise Tablet was 0. A reliable results were got when using these parameters to predict the drug concentrations.Conclusion:The population pharmacokinetic model was proposed to estimate the individual CL/F and V for pediatric patients receiving VPA.

Valproic acid; Epilepsy; Pharmacokinetics; Personalized medication

R969.1

A

1672 – 8157(2015)01 – 0020 – 04

2014-09-09

2014-12-01）

腦血管病轉化醫學北京市重點實驗室2014年開放課題（2014NXGZ01）

趙志剛，男，主任藥師，研究方向：醫院藥學與合理化用藥。E-mail：1022zzg@sina.com

李新剛，男，主管藥師，研究方向：群體藥物動力學和個體化給藥。E-mail：lxg198320022003@163.com