《CPT: Pharmacometrics & Systems Pharmacology》：Integrating a Tumor Size-Overall Survival Model Into a Spatial Quantitative Systems Pharmacology Framework for Antibody-Drug Conjugates in Non-Small Cell Lung Cancer
编辑推荐：
抗体药物偶联物（ADC）在实体瘤中的开发面临着来自靶点异质性表达、有限的肿瘤穿透和脱靶载荷暴露的有效性与安全性挑战。研究人员开发了一个空间定量系统药理学（QSP）框架，整合了ADC分析物生理药代动力学（PBPK）、Krogh-cylinder肿瘤模型以及一个在
抗体药物偶联物（ADC）在实体瘤中的开发面临着来自靶点异质性表达、有限的肿瘤穿透和脱靶载荷暴露的有效性与安全性挑战。研究人员开发了一个空间定量系统药理学（QSP）框架，整合了ADC分析物生理药代动力学（PBPK）、Krogh-cylinder肿瘤模型以及一个在未包含ADC治疗人群的情况下建立的非小细胞肺癌（NSCLC）肿瘤大小-总生存（TS-OS）关系。该框架应用于HER2突变NSCLC中的曲妥珠单抗德鲁替康（trastuzumab deruxtecan，T-DXd）和EGFR突变NSCLC中的达托泊单抗德鲁替康（datopotamab deruxtecan，Dato-DXd，一种靶向TROP2的ADC）。所有参数均来自文献或独立测定；仅非特异性抗体摄取和未结合载荷的肝清除率根据T-DXd的人群水平血清PK进行估算。采用共同的结构和虚拟患者框架，并输入独立确定的ADC特异性参数，模拟生成的PK、客观缓解率（ORR）、疾病控制率（DCR）和探索性总生存（OS）趋势与临床数据一致。异质性肿瘤轨迹的出现无需拟合个体轨迹、添加特设反应室或仅为了重现ORR/DCR而重新调整肿瘤生长参数。肿瘤生长动力学和靶点表达特征（以组织学评分和抗原阳性细胞分数为代表）与反应相关，但缓解者/非缓解者的分布存在重叠，提示其区分能力有限，需要预测性生物标志物。TS-OS子模型再现了中位OS和生存趋势，支持其在缺乏个体水平肿瘤和生存数据情况下的可转移性。肿瘤生长速率是与生存关联最强的输入变量，与TS-OS协变量结构一致。在多个剂量中，基于预测疗效和肿瘤外组织载荷暴露，5.4 mg/kg Q3W T-DXd和6 mg/kg Q3W Dato-DXd为优选剂量，与已批准剂量一致。该框架在个体水平数据有限的情况下仍支持ADC设计和剂量评估。
研究背景与问题
过去四十年，抗体药物偶联物（ADC，由单克隆抗体通过连接子与毒性载荷偶联的靶向抗癌药物）已成为肿瘤治疗的重要方式。然而ADC在实体瘤中的疗效仍受限于肿瘤穿透不足、靶点表达异质性、脱靶毒性以及耐药机制，治疗窗较窄。现有模型常在全身药代动力学（PK，药物在体内的吸收、分布、代谢和排泄过程）和肿瘤反应之间缺乏空间机制联系：传统房室或群体PK模型难以描述组织暴露；充分混合的QSP模型假设肿瘤内药物浓度均匀，无法体现血管周围耗竭、结合位点屏障等空间过程；而肿瘤大小-总生存（TS-OS，将肿瘤动态与生存关联的统计模型）通常需要个体水平纵向肿瘤数据，限制其在早期ADC开发中的使用。因此，研究人员建立了一个将全身PBPK、空间肿瘤模型与TS-OS模型整合的统一框架，以支持ADC设计、剂量评估和生存结局的探索性转化。
研究设计与技术方法
研究人员主要采用了以下关键方法：构建了整合ADC分析物生理药代动力学（PBPK，基于生理参数描述药物全身分布的计算模型）、Krogh-cylinder肿瘤转运模型（以圆柱几何模拟血管周围药物径向扩散）和NSCLC TS-OS关系（由Struemper等建立、未纳入ADC治疗人群的肿瘤动态-生存统计模型）的空间QSP框架；模型包含508个常微分方程，在SimBiology中实现，并以粒子群优化算法仅根据T-DXd人群血清PK拟合非特异性抗体摄取/胞饮清除率（CL）和未结合载荷肝清除率（CL
PL）。其余参数均来自文献或独立测定。研究为每种ADC生成虚拟患者队列（1000–5000例，重复模拟3次）以预测客观缓解率（ORR，肿瘤缩小达到预定缓解标准的患者比例）和疾病控制率（DCR，缓解加疾病稳定的患者比例）。PK校准数据来自Doi等I期试验（晚期乳腺癌/胃食管癌，6.4 mg/kg Q3W），疗效基准来自DESTINY-Lung01（HER2突变NSCLC，n=91）和TROPION-PanTumor01（NSCLC，n=117）。
主要结果
3.1 PK：模型同时拟合完整ADC、总抗体和未结合载荷的血清浓度-时间曲线，与临床均值±SD一致；估算的CL和CL
PL可辨识；预测的器官载荷暴露在肺、胃肠、心、皮肤、肾、脾较高，脑较低，与临床不良事件分布和血脑屏障保护一致，但这些器官暴露未获人体数据验证。
3.2 ORR与DCR：基于5000例虚拟患者模拟的靶病灶最长径之和（SLD）变化轨迹及其12个月瀑布图，T-DXd 6.4 mg/kg Q3W预测ORR/DCR与DESTINY-Lung01临床基准（ORR约55%，DCR约92%）一致；Dato-DXd 6 mg/kg Q3W预测ORR/DCR与TROPION-PanTumor01基准（ORR约42.7%，DCR约86.3%）一致。
3.3 OS：将12个月模拟肿瘤轨迹输入TS-OS模型，预测的OS曲线形状和中位OS与两个临床试验报告曲线一致；研究中将TS-OS对数正态分布尺度参数调整后统一用于两个ADC。
3.4 反应与生存异质性的驱动因素：在T-DXd代表分析中，组织学评分（HSCR，反映抗原密度与异质性）、抗原阳性细胞分数（AgPS）和肿瘤倍增时间在缓解者与非缓解者间呈方向性分离但重叠大；基线肿瘤负荷、CL、CL
Ab、CL
PL和体重几乎无区分力。肿瘤生长速率与中位OS关联最强，且同一生长速率下肿瘤缩小越深生存越长；HSCR/AgPS呈中等关联，PK清除参数仅弱相关。
3.5 模型知情的剂量选择：综合ORR、中位OS和未结合载荷暴露，T-DXd从4.4增至5.4 mg/kg获益明显，再增至6.4 mg/kg获益递增减小而载荷暴露近似成比例增加；Dato-DXd从4增至6 mg/kg获益明显，再增至8 mg/kg获益递增减小。因此模型支持5.4 mg/kg Q3W T-DXd和6 mg/kg Q3W Dato-DXd作为平衡剂量，与批准剂量一致。
讨论与结论
讨论部分指出，该框架首次将全身ADC PBPK、空间肿瘤模型与OS连接。系统PK变异不足以解释疗效/生存异质性，肿瘤内在特性为主导。将QSP生成的肿瘤轨迹输入非ADC来源的TS-OS模型可外推至ADC，具有良好的可转移性。局限性包括：未纳入靶向介导的药物处置、未机械建模毒性、单病灶简化、ORR/DCR采用固定12个月时点而非正式RECIST最佳总反应、TS-OS需要调整方差参数等。
结论：本研究提出了一个整合的、空间分辨的PBPK-QSP框架，将全身ADC与载荷处置、Krogh-cylinder瘤内转运、机制化肿瘤反应轨迹和探索性生存转化纳入同一量化结构。采用共同的模型结构和虚拟患者框架，平台在未拟合个体患者肿瘤轨迹、未添加临时反应室、也未仅为了重现总体终点而重新调整内在肿瘤生长动力学的情况下，生成了与临床一致的T-DXd和Dato-DXd的PK、ORR、DCR和探索性OS趋势。肿瘤生长动力学以及由HSCR和AgPS构成的靶点相关轴与反应相关，但缓解者与非缓解者间存在较大重叠，表明单独区分能力有限，并凸显了对多维预测性生物标志物的需求。一个在未纳入ADC治疗人群的情况下建立的NSCLC TS-OS关系再现了两种ADC的中位OS和总体生存趋势，为将其迁移至ADC治疗以及将QSP生成轨迹作为TS-OS输入提供了实际评估；同时获益-暴露分析确定的平衡剂量与批准剂量一致。
