編者按：隨著精準(zhǔn)醫(yī)療理念的不斷深化，如何將前沿的定量科學(xué)與臨床藥學(xué)實踐深度融合，以優(yōu)化藥物治療策略，已成為藥學(xué)領(lǐng)域的關(guān)鍵議題。定量藥理學(xué)通過數(shù)學(xué)模型量化藥物、機(jī)體和疾病間的相互作用，而臨床藥學(xué)則直接關(guān)注患者的個體化治療。兩者的交匯為提升療效、降低風(fēng)險開辟了新路徑。在2025年第11屆定量藥理學(xué)與新藥評價會議（ISQP）上，韓國忠南大學(xué)藥學(xué)院/生物-AI融合研究中心的Hwi-yeol (Thomas) Yun教授闡述了“機(jī)器學(xué)習(xí)融合定量藥理學(xué)，賦能模型引導(dǎo)的精準(zhǔn)給藥”的話題。

《藥學(xué)瞭望》特別邀請Hwi-yeol Yun教授，圍繞臨床藥學(xué)與定量藥理學(xué)融合的價值、人工智能帶來的機(jī)遇與挑戰(zhàn)，以及未來有望取得突破的臨床領(lǐng)域等核心議題，展開深入分享。

《藥學(xué)瞭望》： 您的研究整合了臨床藥學(xué)與定量藥理學(xué)。能否分享一下這兩個領(lǐng)域的交叉如何推動更精準(zhǔn)的藥物治療策略？

Hwi-yeol Yun教授：臨床藥學(xué)關(guān)注如何為患者實施藥物治療，而定量藥理學(xué)是關(guān)于患者高效治療的定量系統(tǒng)科學(xué)。整合這兩個科學(xué)領(lǐng)域?qū)τ趯崿F(xiàn)精準(zhǔn)醫(yī)療、確保高效且無危險風(fēng)險的治療非常關(guān)鍵。

兩個領(lǐng)域的融合使我們能夠量化變異性，這對于預(yù)測信號特別有效。許多患者表現(xiàn)出無法解釋的個體差異，意味著很多結(jié)果往往是不可預(yù)測或不可測量的。正如我提到的，定量藥理學(xué)將這種變異性轉(zhuǎn)化為可解釋的因素，將未闡明的變異性轉(zhuǎn)變?yōu)榭深A(yù)測的信號。這對于確定達(dá)到目標(biāo)暴露所需的劑量以及量化患者結(jié)局具有強(qiáng)大作用。

我們團(tuán)隊以及許多其他研究人員專注于將定量藥理學(xué)整合到臨床藥學(xué)中。一個最佳實踐案例是抗微生物藥物精準(zhǔn)給藥領(lǐng)域。許多醫(yī)院擁有優(yōu)秀的基礎(chǔ)設(shè)施來量化抗微生物藥物的血漿濃度，即使對于新藥也是如此。這意味著醫(yī)院已經(jīng)具備了量化血漿濃度和患者結(jié)局的基礎(chǔ)設(shè)施，使他們能夠系統(tǒng)地組織真實世界數(shù)據(jù)庫。

兩個領(lǐng)域的知識相結(jié)合，使我們能夠預(yù)測并為患者實現(xiàn)精準(zhǔn)醫(yī)療。我們和藥學(xué)領(lǐng)域的許多研究人員專注于在抗微生物或感染性疾病領(lǐng)域優(yōu)化劑量。這一過程加速了劑量優(yōu)化，使我們能夠期待在無不良反應(yīng)的情況下獲得更好的治療結(jié)果。這些技能也可應(yīng)用于特殊人群，如兒科患者或有腎或肝損傷的患者。他們有更好的藥物治療需求，但在現(xiàn)實世界中，由于倫理問題，接觸這些人群的機(jī)會有限。然而，將定量藥理學(xué)與臨床藥學(xué)相結(jié)合，使我們能夠通過模擬研究創(chuàng)建虛擬的特殊人群。從而，我們可以量化這些虛擬人群中的藥物效應(yīng)和不良反應(yīng)，為治療特殊人群生成證據(jù)。因此，這也是整合臨床藥學(xué)與定量藥理學(xué)的優(yōu)勢之一，即生成虛擬人群并為精準(zhǔn)醫(yī)療創(chuàng)造證據(jù)。

這就是我們所說的“以患者為中心的藥物治療”。這意味著患者通過這些技能獲益，包括更好的預(yù)期療效、更少的副作用以及更短時間找到正確治療方案，尤其是在他們的生理狀況迅速變化時，例如嚴(yán)重感染或危重疾病期間。

《藥學(xué)瞭望》： 作為生物-AI融合研究中心的兼職教授，您認(rèn)為將人工智能與定量藥理學(xué)相結(jié)合的主要挑戰(zhàn)和機(jī)遇是什么？

Hwi-yeol Yun教授：我與計算科學(xué)團(tuán)隊合作，這是一個很好的機(jī)會來擴(kuò)展我在CPS（信息物理系統(tǒng)）方面的知識，因為我主要在藥學(xué)領(lǐng)域工作。根據(jù)我的經(jīng)驗，人工智能技術(shù)在藥學(xué)領(lǐng)域是一項非常有用的資產(chǎn)。

主要有三個機(jī)遇。首先，即使面對高度異質(zhì)性的臨床數(shù)據(jù)，AI技術(shù)也能提供更好的預(yù)測。眾所周知，臨床數(shù)據(jù)通常“不干凈”，因為它并非來自精心設(shè)計的研究，天生具有異質(zhì)性。但AI技術(shù)可以解釋這類數(shù)據(jù)。盡管存在這些數(shù)據(jù)限制，它仍能保證更好的預(yù)測。

其次，AI速度更快。傳統(tǒng)的定量藥理學(xué)依賴于數(shù)學(xué)或統(tǒng)計方法，在處理大數(shù)據(jù)時存在局限性；所需時間隨數(shù)據(jù)量呈指數(shù)級增長。然而，AI技術(shù)比傳統(tǒng)方法工作得更快。如今，醫(yī)療保健和臨床藥學(xué)領(lǐng)域正在生成前所未有的海量數(shù)據(jù)集，因此我們必須處理比以前時期更大的數(shù)據(jù)集。這正是需要AI技術(shù)的地方。與傳統(tǒng)方法相比，它對于處理大數(shù)據(jù)至關(guān)重要。

第三，AI提供了從實驗室到床邊的可解釋性連接。我們需要理解從分子到患者的全過程，跨機(jī)制鏈接反應(yīng)，并理解患者特征。AI現(xiàn)在正在變革早期階段，例如預(yù)測藥物-靶點相互作用。其預(yù)測可用于將知識轉(zhuǎn)移到藥代動力學(xué)、藥效學(xué)和臨床結(jié)局，并考慮特殊人群或人群狀況。這種整合可以實現(xiàn)從分子水平到患者水平的連接。這也是使用AI的最大機(jī)遇，因為這一過程對于能夠?qū)⒆灾鲗嶒炇遗c物理AI結(jié)合以進(jìn)行新藥發(fā)現(xiàn)和精準(zhǔn)醫(yī)療至關(guān)重要。

簡而言之，AI在發(fā)現(xiàn)模式方面具有卓越技能，而傳統(tǒng)定量藥理學(xué)在闡明患者狀況或精準(zhǔn)醫(yī)療以優(yōu)化劑量和生物學(xué)合理性方面表現(xiàn)優(yōu)異。兩個領(lǐng)域的融合前景光明。

盡管存在這些機(jī)遇，要進(jìn)一步發(fā)展這些技能也面臨許多挑戰(zhàn)。

第一個挑戰(zhàn)是數(shù)據(jù)質(zhì)量和偏差。AI在幻覺以及基于數(shù)據(jù)集訓(xùn)練方面存在局限性。然而，數(shù)據(jù)集是開發(fā)足夠模型以應(yīng)用于臨床環(huán)境的起點。我們必須了解并保證數(shù)據(jù)集質(zhì)量，以構(gòu)建好的AI模型以及科學(xué)間的良好整合。

第二個挑戰(zhàn)是增強(qiáng)可解釋性。您可能已經(jīng)知道，臨床醫(yī)生和監(jiān)管科學(xué)研究人員的態(tài)度非常保守。他們對在臨床中應(yīng)用新技能猶豫不決，因為一例死亡案例可能導(dǎo)致重大的社會問題。醫(yī)生、臨床醫(yī)生、監(jiān)管科學(xué)家都很保守，關(guān)注控制副作用以滿足此類限制。將AI與定量藥理學(xué)結(jié)合，我們確實增強(qiáng)了可解釋性的能力，因為AI基于黑箱理論。盡管預(yù)測良好且合適，但如果模型缺乏可解釋性，臨床醫(yī)生和監(jiān)管科學(xué)家仍會猶豫是否應(yīng)用。這是第二個挑戰(zhàn)，即增強(qiáng)AI模型的可解釋性，以闡釋科學(xué)、文獻(xiàn)并使其在臨床環(huán)境中良好運作。

第三是工作流程的整合。藥物發(fā)現(xiàn)和精準(zhǔn)醫(yī)療的過程涉及眾多科學(xué)家。生物科學(xué)家需要理解臨床醫(yī)生或醫(yī)生所說，醫(yī)生或臨床醫(yī)生以及監(jiān)管科學(xué)家也需要理解生物科學(xué)家的工作和知識。精準(zhǔn)醫(yī)療或藥物發(fā)現(xiàn)過程涉及許多科學(xué)家、許多科學(xué)領(lǐng)域和許多研究人員。因此，我們必須無障礙地相互連接；平臺和框架需要良好運作，確保研究人員間的公平協(xié)作。所以，AI與定量藥理學(xué)整合的最后一個挑戰(zhàn)是關(guān)于將其整合到工作流程中，以實現(xiàn)無邊界應(yīng)用，即使研究人員或臨床醫(yī)生的知識有限。

《藥學(xué)瞭望》： 從學(xué)術(shù)研究的角度來看，您認(rèn)為定量藥理學(xué)在未來五年最有可能在哪個具體臨床領(lǐng)域取得突破性進(jìn)展？

Hwi-yeol Yun教授：定量藥理學(xué)覆蓋廣泛的疾病領(lǐng)域，以改善合理性與可解釋性、劑量優(yōu)化和藥物發(fā)現(xiàn)。如果我必須選擇一個具體領(lǐng)域，我建議是感染性疾病。

首先，該領(lǐng)域緊迫的臨床需求具有高度優(yōu)先性。例如，五年前我們經(jīng)歷了大流行，這表明感染性疾病如何影響我們的整個生活。由于那段經(jīng)歷，以及患者的高變異性，我將此領(lǐng)域置于優(yōu)先位置。

正如我前面提到的，定量藥理學(xué)和AI可以將變異性轉(zhuǎn)化為可解釋性。感染性疾病的特點是藥物在患者間變異性高，死亡率也差異很大。有些患者癥狀輕微，而其他患者可能因相同細(xì)菌引起的相同感染而死亡。這種變化與患者狀況、治療以及許多其他可能影響結(jié)局的情況有關(guān)。感染性疾病在結(jié)局上表現(xiàn)出顯著的變異性。許多醫(yī)院已經(jīng)擁有量化藥物濃度和檢查感染性疾病結(jié)局的基礎(chǔ)設(shè)施。因此，在醫(yī)院具備良好基礎(chǔ)設(shè)施的情況下，很容易直接在患者中應(yīng)用。

我之所以認(rèn)為感染性疾病將是早期應(yīng)用領(lǐng)域的最后一個原因是，抗生素耐藥性問題是一個全球性問題。細(xì)菌耐藥性需要在國家層面進(jìn)行控制，因為抗菌藥物是控制感染性疾病的最后手段。這意味著即使我們有藥物，也需要控制細(xì)菌對藥物產(chǎn)生耐藥性。這就是我選擇感染性疾病作為未來方向的原因。突破性技能可以使這成為現(xiàn)實。

患者到醫(yī)院接受特定治療。當(dāng)他們進(jìn)入醫(yī)院，臨床醫(yī)生或藥劑師將在第一天內(nèi)為該患者確定合適的給藥方案和治療。這一過程可以自動執(zhí)行，由AI和定量藥理學(xué)支持，物理AI設(shè)備也支持診斷或貢獻(xiàn)實驗室數(shù)值。藥劑師和醫(yī)生從自主物理AI平臺獲取報告，為患者驗證結(jié)果，無障礙地相互溝通，并向患者解釋，例如為什么您在接受這種治療。他們還可以基于生成的建議，與其他領(lǐng)域的醫(yī)療保健專業(yè)人員（如生物學(xué)領(lǐng)域）溝通。這是我們醫(yī)療保健系統(tǒng)未來發(fā)展方向的一個愿景。

添加藥學(xué)瞭望管理員

進(jìn)入學(xué)術(shù)交流群

《藥學(xué)瞭望》征稿邀請

01.投稿內(nèi)容

征稿內(nèi)容不限于：研究進(jìn)展、團(tuán)隊科研成果、臨床用藥經(jīng)驗分享、典型病例解讀、疾病診治經(jīng)驗、人文故事等

02.聯(lián)系人

投稿 | 學(xué)術(shù)報道 | 合作

投稿聯(lián)系人：劉老師 15201320201（微信同號）

投稿郵箱：contact@siri.ntesmail.com

（來源：藥學(xué)瞭望）