人口ベースのPBPKから個別化されたバーチャルツインへ：臨床的検証と医学における応用

生理学に基づく薬物動態（PBPK）モデルは、個別化医療の文脈で広く使用されており、薬物の生物学的システムにおける吸収、分布、代謝および排泄（ADME）を予測することにより、投与スケジュールや投与経路の評価が可能です。従来、PBPKモデルは集団レベルで開発され、適用されており、事前に定義されたコホートの特性を明らかにすることができましたが、真の精密投与をサポートするには限界があります。本レビューでは、集団ベースから個別PBPKモデリングへの移行がますます一般的になっていることを探ります。ここでは、個人がバーチャルツイン（VT）としてモデル化されます。追加の患者特有のデータ（人口統計的、生理的、表現型および遺伝子型情報など）を含めることで、モデルは個別化され、従来のワンサイズフィットオールの戦略を超えて進化します。全体として、個々の患者データ（例：敗血症、精神疾患、心臓疾患、または新生児の母集団）を取り入れることにより、モデルの性能が向上します。特に腎機能などの生理的パラメータは、薬物の排泄における役割から見て強力な可能性を示していますが、人口統計変数は特定の研究において予測精度を向上させます。一方で、シトクロムP450（CYP）の表現型および遺伝子型データを含めることの利点は一貫していません。モデルの性能を評価するために使用される方法論、特に予測された濃度-時間プロファイルと観察されたプロファイルとの比較による臨床的検証に焦点を当ててさらに強調します。予測精度を損なう可能性のある限られたサンプルサイズやデータの可用性などの主な課題についても論じます。最後に、PBPKベースのVTをより広範なデジタルツインフレームワークに統合する可能性を強調し、ルーチン臨床実施を可能にするために解決すべき重要な障壁を認めます。