人工智能和预测建模用于在移植中精确剂量免疫抑制剂

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 药理学 药理学是指药理学的学科.
• 移植医学 移植医学

背景情况:

• 在移植患者中优化免疫抑制药物水平是复杂的,因为治疗窗口狭窄,患者特定的药物处理.
• 传统的基于低谷的监测可能无法确保最佳的药物暴露,需要先进的策略.

研究的目的:

• 对移植患者免疫抑制剂的预测剂量模型的证据进行批判性审查.
• 评估新兴精确剂量策略的有效性,包括贝叶斯式药理动力学模型和人工智能 (AI).

主要方法:

• 对预测性免疫抑制剂剂量模型的观察和模拟研究进行系统审查和批判性评估.
• 贝叶斯人种群药动力学 (PopPK) 模型,机器学习 (ML) 算法和混合人工智能框架的评估.

主要成果:

• 贝叶斯式PopPK导向剂量显示15-35%改善了目标暴露的实现,而不是基于低谷的监测.
• 机器学习模型,特别是对于tacrolimus,与传统方法相比降低了预测错误,但异质性限制了合成.
• 混合贝叶斯式AI和可解释AI显示出潜力,但缺乏强大的临床验证.

结论:

• 贝叶斯制药动力学模型是最成熟和可解释的方法,用于在移植中精确的免疫抑制剂剂量.
• 人工智能驱动和混合系统是有希望的,但需要进一步的研究和临床验证.
• 标准化报告,前性验证和明确的实施途径对于采用这些先进的剂量策略至关重要.