基于亚组分析的模型选择工具提升万古霉素血药浓度预测精准度

这篇研究通过开发万古霉素（vancomycin）群体药代动力学（PK）模型选择工具（MST），解决了ICU患者个体化给药中模型选择的难题。采用遗传算法从20个单室模型中筛选出6个最优模型，通过肾小球滤过率（CKD-EPI）和治疗天数进行亚组分类，使预测精度提升12%（训练集）和6%（验证集），首次剂量预测偏差显著降低。该工具简化了模型知情精准给药（MIPD）流程，为脓毒症等重症感染治疗提供新策略。

　　

研究背景

脓毒症是全球健康重大威胁，年死亡率高达40%。万古霉素作为治疗MRSA感染的核心药物，其治疗窗狭窄且个体差异显著，需依赖治疗药物监测（TDM）优化疗效。尽管模型知情精准给药（MIPD）被指南推荐，但现有70余种PK模型的选择难题阻碍其临床应用。

研究方法

研究团队回顾性收集148例ICU患者（训练集）和67例前瞻性患者（验证集）的万古霉素治疗数据。通过时间窗划分（≤72小时）和肾替代治疗状态分层，评估20个单室模型的预测性能。采用遗传算法开发MST，以慢性肾病流行病学协作公式（CKD-EPI）和治疗天数为分类节点，筛选出Zhou、Kim等6个最优模型。

关键发现

• 模型性能：Zhou模型作为全局最优模型，预测误差（mean PAPE）为26.0%，但MST进一步降低误差至22.8%（训练集）和28.4%（验证集）。
• 亚组优势：MST对肾功低下患者（CKD-EPI <31 mL/min/1.73 m²）推荐Staatz模型，首日治疗或高滤过患者（CKD-EPI ≥125）选用Kim模型，其余推荐Zhou模型，精准匹配率达62.4%。
• 预测改进：结合两次血药浓度数据时，MST预测第三浓度误差最低（训练集：mean PAPE 17.0%，验证集：18.9%）。

临床意义

MST突破传统单一模型局限，首次实现：

1. 首剂精准：Kim模型首日预测偏差仅4.7%，优于其他模型；
2. 动态适配：随时间推移自动切换至Zhou模型，应对ICU患者PK参数波动；
3. 简化流程：在线工具（dosesage.app）降低MIPD应用门槛。

局限与展望

研究存在单中心数据偏差，且未纳入双室模型。未来需验证AUC/MIC目标下的性能，目前团队已启动临床试验。这一创新工具为重症感染个体化治疗提供新范式，尤其适用于资源有限场景下的快速决策。