大型语言模型在药代动力学中的应用：NONMEM输出解读与模拟能力评估

为解决药代动力学建模中结构图生成、参数表整理及模拟分析等耗时问题，来自多机构的研究团队开展了一项探索性研究，评估了Claude 3.5 Sonnet、ChatGPT 4o等大型语言模型(LLMs)在解析44份NONMEM输出文件时的表现。结果显示Claude可高效生成90.9%的模型结构图，参数表准确率达100%，而ChatGPT在复杂PK/PD模型模拟中存在局限。该研究为自动化药代动力学分析提供了创新解决方案。

　　

药代动力学领域迎来AI技术革新！最新研究揭示了大型语言模型(LLMs)在解析NONMEM输出文件方面的惊人潜力。科研团队系统评估了Claude 3.5 Sonnet、ChatGPT 4o等主流模型的表现，这些智能助手可自动生成精美的模型结构图、出版级参数表格和精炼的分析报告。

实验采用44份真实NONMEM模型文件作为测试集，Claude模型首轮提示即成功绘制40份(90.9%)结构图，剩余案例通过追加提示也完美解决。更令人振奋的是，该模型生成的参数汇总表准确无误，分析报告简明扼要。不过研究者也发现，重复提示会导致结构图出现轻微变异。

在模拟能力测试中，ChatGPT展现出处理常规药代动力学(PK)模型的本领，但面对复杂的药效动力学(PD)联合模型时仍显吃力。团队还贴心地开发了R Shiny交互应用，让药学家们能轻松调用这些AI功能。

这项突破性工作证明，LLMs能显著提升药代动力学建模效率，但专家复核仍是确保结果可靠性的关键环节。未来，智能算法与人类专家的协同合作，或将重塑药代动力学研究范式。