背景介绍

21世纪以来，经济与科学技术的进步推动着医疗卫生事业的迅速发展，随着智慧医疗的提出，人类已经正式进入精准医疗时代。精准医疗是指将个人划分为不同的亚群体，这些亚群体对特定疾病的易感性及特定治疗的反应性均不相同，然后综合考虑每个患者的个体特征，包括基因、环境和生活习惯等，从而制订最佳的治疗方案。个体化用药是实现精准医疗的基础，它是根据每个患者的个体差异，结合药动学及药效学参数，并由最新的临床药物治疗指南来选择最佳用药方案。

1. TDM在他克莫司个体化用药中的应用

他克莫司自20世纪90年代上市以来，以其为基础的免疫抑制方案显著降低了肝、肾等实体器官移植后的急性排斥反应、耐皮质激素排斥反应、难治性排斥反应以及慢性排斥反应的发生率，显著改善了移植物功能，减少了皮质激素的用量，并降低了巨细胞病毒等感染的发生率。但是，由于治疗指数窄及个体间差异大，对他克莫司进行治疗药物监测（Therapeutic Drug Monitoring，TDM）成为了临床的常规手段，以使其暴露量维持在目标值范围内，在避免移植排斥反应的同时最大限度地减少肾毒性的发生。目前，监测他克莫司血药浓度的方法主要是测量C0和血药浓度—时间曲线下面积（Area Under Concentration-time Curve，AUC）。有研究表明，仅测定C0对于TDM是不够的，AUC更为可靠。但是 AUC的准确测定通常需要在服用药物后12 h内进行密集采血，这增加了患者和医疗团队的负担， 而且成本高昂，C0的测定容易操作因而更为常用。C0可以通过免疫分析法或液相色谱串联质谱法进行测定，这两种方法在临床应用中所占的比例几乎相同。免疫分析法在测定C0时具有速度快和操作简便等特点，但液相色谱串联质谱法仍作为测定C0的金方法。然而，当C0在指南推荐的治疗窗范围内时仍有某些患者发生排斥反应或毒性反应，使得一些临床医生开始质疑利用TDM来确定他克莫司最佳浓度时对于C0的依赖。最佳浓度存在争议的原因之一是他克莫司C0与排斥反应之间的相关性不明确。此外，他克莫司在各类移植患者中的推荐浓度也在不断变化，例如对于肾移植患者，他克莫司目标浓度在20世纪90年代初期曾高达20 ng/ml，但在最新的研究中，该范围是4 ~ 12 ng/ml。要确定他克莫司的最佳浓度范围是一件非常困难的事情。事实上，该范围是根据临床经验确定的，主要取决于移植后的时间、使用时的并发症及急性排斥反应发生的风险。利用TDM指导他克莫司个体化用药的一个缺陷是患者的初始剂量是根据临床经验确定的。然而患者间变异度的存在使得他克莫司的血药浓度差别很大，有时甚至可达10倍以上。因此，在临床上可以通过TDM联合其他手段应用于他克莫司的个体化用药，以提高疗效。

2. 基因多态性在他克莫司个体化用药中的应用

他克莫司口服给药后，由胃肠道和肝脏中的细胞色素P450酶系统中的CYP3A酶代谢，主要包括 CYP3A4、CYP3A5及CYP3A家族的其他成员如 CYP3A7、CYP3A43等。参与他克莫司生物转化的主要的酶是CYP3A5，而CYP3A4的催化效率则相对较低。鉴于 CYP3A5基因型对他克莫司血药浓度的强烈影响，有学者建议可以通过基因检测来指导他克莫司的个体化用药，尤其是在术后早期针对于患者的初始剂量。鉴于CYP3A5基因型对他克莫司血药浓度的强烈影响，有学者建议，可以通过基因检测来指导他克莫司的个体化用药，尤其是在术后早期针对于患者的初始剂量。

3. 群体药代动力学在他克莫司个体化用药中的应用

群体药代动力学是将经典的药代动力学模型与群体统计学模型结合分析，定量考察患者群体中药物浓度的决定因素，研究给予标准剂量方案时药代动力学的变异性，为制订更加合理、有效的临床给药方案提供全面的量化信息。群体药代动力学在他克莫司个体化用药中的应用可以追溯到20世纪90年代，具备着传统多点采样研究方法所不具备的诸多优势。首先，群体药代动力学允许使用稀疏数据，这在很大程度上解决了临床实际中需要密集取样来制订最佳用药方案时所带来的不便。例如，Chen等利用患者药代动力学数据和常规监测的C0数据建立了他克莫司群体药代动力学的二室模型，在此基础上采用Bayesian方法估算了中国肝移植患者他克莫司的AUC，该方法在方便临床应用的同时能够更准确地估计患者体内他克莫司的暴露量。其次，群体药代动力学不是仅凭经验，而是能够综合考虑患者的个体特征及生化指标来制订用药的初始剂量。同时，群体药代动力学能够更准确地估计个体间变异性及药物平均参数值，并通过Bayesian反馈分析来实现剂量个体化。群体药代动力学还允许将不同实验室及不同研究中心等不同来源的数据合并研究，不同数据集的组合通常会增加识别多室或非线性模型的能力，并能在模型估计中加入额外的协变量以不断提高模型的预测准度和精度。此外，群体药代动力学也便于对特殊人群进行整体研究，如Musuamba等与Wallin等分别建立群体药代动力学模型来提高他克莫司应用于儿童肝移植患者时的安全性和有效性。但是群体药代动力学模型也有一些不足。在建立群体药代动力学模型估计他克莫司的C0 或AUC时，纳入协变量较少会影响模型预测结果的准确度和精密度；而纳入协变量较多则面临建模困难和计算复杂的问题。其次群体药代动力学模型有能力发现一些新的影响因素，但药物在体内的处置过程是一系列复杂的生化反应，那些通过复杂交互作用来影响他克莫司处置过程的因素可能会被排除甚至不被发现。更重要的是，目前最常用的非线性混合效应模型法计算过程复杂，在进行模型的建立与优化及最后参数的预测和结果解释时需要由熟练掌握药动学知识的专业人员来完成。这些都为群体药代动力学用于他克莫司的个体化用药带来了困难与挑战。

4. 机器学习在他克莫司个体化用药中的应用

机器学习本质上是一种计算机算法，它们不需要领域专业知识，可以通过学习规则直接从数据中执行给定的任务。与传统的统计模型相比，机器学习具有功率大、精度高、非线性效应建模能力强、对大基因组数据集的解释能力强及无需正态分布检验等优点。近年来，国内外学者利用多种机器学习算法建立模型，来辅助他克莫司的临床个体化用药。AUC被认为是与临床效果最相关的药代动力学参数，由于需要的采样点较多等原因，该值的准确计算一直是临床无法解决的难题，而Niel等利用人工神经网络建立模型来估计肾移植患者他克莫司的AUC，该模型改善了传统模型稳定性较差且预测过程繁琐的特点，实现了帮助临床医生更好地监测那些由于他克莫司剂量不足而引起的风险增加的移植人群，特别是依从性差，疑似他克莫司肾毒性或疑似排斥反应的患者。机器学习与个体化用药相结合时还具有传统方 法所不具备的其他优势，机器学习在遇到错误时能够通过自我调整结构来解决推理问题，同时还能处理大量的变量。一些更高效的机器学习技术的兴起也呈现出对原有模型不断优化的能力。然而，机器学习在模型的构建过程中可能会面临更耗时耗力的风险，在可解释性方面也面临重大挑战。总之，将机器学习用于他克莫司的个体化用药的研究尚不是很成熟，但具有广阔的发展前景。