Page 131 - 《中国药房》2025年8期

娠妇女以及肝损伤患者的PBPK研究极度匮乏。这可能 [ 6 ] TSAMANDOURAS N， ROSTAMI-HODJEGAN A，
是因为特殊人群生理结构复杂，生理参数数据相对较少 AARONS L. Combining the ‘bottom up’ and ‘top down’
且难获取，模型建立需从健康人群外推至目标特殊人 approaches in pharmacokinetic modelling：fitting PBPK
群，建模难度较大。（2）模型研究主要集中在第一、二代 models to observed clinical data[J]. Br J Clin Pharmacol，
2015，79（1）：48-55.
药物，而对目前热门的第三代药物，仅奥希替尼建立了
[ 7 ] 王乐，夏彬彬，陈世财. 生理药代动力学模型在临床合理
相应的模型，正在研究中的第四代药物尚未开展 PBPK
用药中的应用[J]. 中国临床药理学杂志，2023，39（1）：
模型研究，这可能与第三、四代药物公开数据有限、缺乏
127-130.
可验证的PK数据有关。
[ 8 ] 郑亮，曾金，刘鑫，等. 药动学研究常用软件介绍[J]. 中国
抗肿瘤药物的特殊人群临床试验由于伦理限制、受
医院药学杂志，2020，40（23）：2484-2489.
试者招募难度大且健康状况复杂，进展困难且缓慢。当
[ 9 ] BÄCKMAN P，ARORA S，COUET W，et al. Advances in
前主流的建模软件可基于健康人群修改某些特定生理 experimental and mechanistic computational models to un‐
参数如组织血流量、肝脏体积、肾小球滤过率等，形成虚 derstand pulmonary exposure to inhaled drugs[J]. Eur J
拟目标特殊人群，甚至已内置整套特殊人群的生理参 Pharm Sci，2018，113：41-52.
数，例如GastroPlus内置了儿童、肝肾损伤人群，PK-Sim [10] CHEN J，LIU D Y，ZHENG X，et al. Relative contribu‐
内置了不同程度的肾损伤人群，Simcyp 内置了肿瘤人 tions of the major human CYP450 to the metabolism of
群，这为预测特殊人群的 PK 过程并进行剂量推荐节约 icotinib and its implication in prediction of drug-drug in‐
了大量时间和成本。PBPK模型还可推荐正在研究中的 teraction between icotinib and CYP3A4 inhibitors/indu-
第四代药物的人体首次试验剂量，推动新药研发进展。 cers using physiologically based pharmacokinetic modeling
但PBPK模型亦存在一些局限性：首先，模型预测的准确 [J]. Expert Opin Drug Metab Toxicol，2015，11（6）：
性与参数的完整度和准确度密切相关，然而对于特殊人 857-868.
[11] ZHOU L，HE J，XIONG W，et al. Phase Ⅰ trial of ico‐
群患者，某些生理和病理参数难以准确获取。其次，建
tinib combined with whole-brain radiation therapy for
模软件内置的参数大多为群体均值，如果个体间变异性
EGFR-mutated non-small cell lung cancer patients with
较大，可能会导致模型对个体PK过程预测不准确。
brain metastases[J]. Int J Radiat Oncol，2014，90（5）：S38-
综上所述，尽管 PBPK 模型在 EGFR-TKI 的应用中
S39.
有不足，但总体来说应用广泛且进展较快，期待未来有
[12] PILLA REDDY V，WALKER M，SHARMA P，et al. De‐
更多可用的PBPK模型用于指导EGFR-TKI的新药研发 velopment，verification，and prediction of osimertinib
并促进 EGFR-TKI 在临床中的合理用药，实现 EGFR- drug-drug interactions using PBPK modeling approach to
TKI的精准用药。 inform drug label[J]. CPT Pharmacometrics Syst Pharma‐
参考文献 col，2018，7（5）：321-330.
[ 1 ] FAVORITO V，RICCIOTTI I，DE GIGLIO A，et al. Non- [13] LIANG F，ZHANG Y M，XUE Q，et al. Integrated PBPK-
small cell lung cancer：an update on emerging EGFR- EO modeling of osimertinib to predict plasma concentra‐
targeted therapies[J]. Expert Opin Emerg Drugs，2024，29 tions and intracranial EGFR engagement in patients with
（2）：139-154. brain metastases[J]. Sci Rep，2024，14：12736.
[ 2 ] JOHNSON M，GARASSINO M C，MOK T，et al. Treat‐ [14] MOLTÓ J，RAJOLI R，BACK D，et al. Use of a physio-
ment strategies and outcomes for patients with EGFR- logically based pharmacokinetic model to simulate drug-
mutant non-small cell lung cancer resistant to EGFR tyro‐ drug interactions between antineoplastic and antiretroviral
sine kinase inhibitors：focus on novel therapies[J]. Lung drugs[J]. J Antimicrob Chemother，2017，72（3）：805-811.
Cancer，2022，170：41-51. [15] HRGOVCIC A S，GRUBER A，DITTRICH C，et al. P-
[ 3 ] KRSTEVSKA A，ĐURIŠ J，IBRIĆ S，et al. In-depth analy‐ 168 Multiple dose pharmacokinetics of erlotinib when
sis of physiologically based pharmacokinetic（PBPK）mo- combined with gastric acid reducing agents：a comparison
deling utilization in different application fields using text with a physiologically based pharmacokinetic model[J].
mining tools[J]. Pharmaceutics，2022，15（1）：107. Ann Oncol，2018，29：v47.
[ 4 ] ZHUANG X M，LU C. PBPK modeling and simulation in [16] DONG Z Q，LI J，WU F，et al. Application of
drug research and development[J]. Acta Pharm Sin B， physiologically-based pharmacokinetic modeling to pre‐
2016，6（5）：430-440. dict gastric pH-dependent drug-drug interactions for weak
[ 5 ] 孙琦，李晓冰，何晓静，等. 生理药动学模型的研究与应 base drugs[J]. CPT Pharmacometrics Syst Pharmacol，
用进展[J]. 药物流行病学杂志，2020，29（4）：280-284. 2020，9（8）：456-465.

中国药房 2025年第36卷第8期 China Pharmacy 2025 Vol. 36 No. 8 · 1017 ·