関連する実験動画
Updated: Feb 18, 2026

Use of Rabbit Eyes in Pharmacokinetic Studies of Intraocular Drugs
Published on: July 23, 2016
集積された濃度データから集団レベルの薬理動力学的パラメータを推定するための物理情報に基づくニューラルネットワークアプローチ
Periklis Tsiros1, Vasileios Minadakis1, Haralambos Sarimveis2
1School of Chemical Engineering, National Technical University of Athens, 9 Iroon Polytechniou Str, Zografou Campus, 15772, Athens, Greece.
この研究では,集合濃度データから集団の薬動学パラメータ分布を抽出するために,分布物理情報ニューラルネットワーク (D-PINNs) を導入します. D-PINNは,概要統計からパラメータ分布と残余エラーを正確に回復し,薬理学モデリングを進める.
科学分野:
- ファルマコキネティクス
- コンピュータ生物学 コンピュータ生物学
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
背景:
- 薬理学文献には豊富な集積濃度データが含まれていますが,集団レベルでの情報を抽出するためのツールは限られています.
- 伝統的な物理情報ニューラルネットワーク (PINNs) は,主に点推定に焦点を当て,分布分析の方法が欠けている.
- 既存の方法は,包括的な薬理学パラメータの回復のために要約統計 (平均,バリエンス) を活用するために苦労しています.
研究 の 目的:
- 分布物理情報ニューラルネットワーク (D-PINNs) を導入し,PINNフレームワーク内の統計モデリングのための新しいアルゴリズムである.
- 集約された濃度の平均値と差値から,集団レベルでの薬理学パラメータ分布の回復を可能にする.
- 最小生理学ベースの薬物動力学 (mPBPK) モデルを含む,シミュレートされたデータと現実世界の薬物動力学データを分析するD-PINNの能力を実証する.
主な方法:
- D-PINNを開発し,分散仮定をPINN最適化プロセスに統合し,神経ネットワークを使用して濃度平均と分散を予測しました.
- 余剰ネットワーク内のサンプリングベースの手順を採用し,通常の微分方程式 (ODE) システムを使用して,物理情報による損失を計算しました.
- パラメータ分布と測定ノイズによる個人間変動を,残余エラーモデルで考慮した.
主要な成果:
- D-PINNは,単一コンパートメントの薬理動力学モデルから得られたシミュレートデータによるパラメータ分布と残留エラーの推定において高い精度を示した.
- このフレームワークは,最小生理学ベースの薬理動力学 (mPBPK) モデルを使用して,モノクローナル抗体 (mAbs) のプラズマ濃度データから集団レベルの運動パラメータ分布を復元することに成功しました.
- マルコフ連鎖モンテカルロ (MCMC) とのベンチマークは,D-PINNs方法論の有効性を確認しました.
結論:
- D-PINNは,統計的薬理学モデリングのための強力な新しいアプローチを提供し,集合データから集団パラメータ分布の抽出を可能にします.
- この方法論は,個体間の変動と測定ノイズを効果的に処理し,強力な薬理学的な洞察を提供します.
- この研究は,薬理学における機械学習の応用を前進させ,出版された文献データのより包括的な分析を促進します.
関連する概念動画
Analysis of Population Pharmacokinetic Data
Model Approaches for Pharmacokinetic Data: Distributed Parameter Models
The distributed parameter models are specifically designed to account for variations and differences in some drug classes. This model is particularly useful for assessing regional concentrations of anticancer or...
Model-Independent Approaches for Pharmacokinetic Data: Noncompartmental Analysis
One important characteristic of noncompartmental analyses is that drug exposure increases proportionally with increasing doses. This...
Dosage Regimens: Partial Pharmacokinetic Parameters
Analysis Methods of Pharmacokinetic Data: Model and Model-Independent Approaches
The model approach uses mathematical models to describe changes in drug concentration over time. Pharmacokinetic models help characterize drug behavior in patients, predict drug concentration in the body fluids, calculate optimum dosage regimens, and evaluate the risk of toxicity. However, ensuring that the model fits the experimental data accurately...
Model Approaches for Pharmacokinetic Data: Physiological Models

