《Journal of Pharmacokinetics and Pharmacodynamics》：Uncertainty undermines the validity of antimicrobial pharmacodynamics
编辑推荐：
本文探讨了抗菌药效动力学(PK/PD)建模中长期被忽视的“不确定性量化”问题。研究人员通过详尽的模拟分析，揭示了药敏测量误差、药动学参数不确定性等因素如何沿建模工作流程传播，并显著影响剂量优化、临床折点设定等关键预测结果的可靠性。这项研究强调，忽视不确定性可能导致模型预测过度自信，从而动摇精准给药和抗菌药物药理学的科学基础。
在抗击细菌感染的战场上，医生们常常依赖一系列复杂的数学模型来制定作战计划。这些模型，统称为抗菌药物药动学/药效学(PK/PD)模型，能够整合药物在体内的代谢过程(药动学， PK)与对病原体的杀伤效果(药效学， PD)，从而为“用多少药、怎么用药”提供科学依据。无论是确定个体化给药方案，还是设定判断细菌是否耐药的“临床折点”，亦或是解读不断涌现的耐药性数据，都离不开这些模型的支撑。然而，一个潜在却至关重要的威胁一直笼罩着这些模型的可靠性：不确定性。从实验室测量抗菌效力的微小误差，到估算患者个体药物代谢参数的局限，每一个环节的“不确定”都可能像滚雪球一样，在复杂的模型链条中传递、放大，最终导致基于模型做出的关键决策——比如给某位重症患者确定的精确剂量——建立在并不可靠的基础上。令人担忧的是，尽管不确定性传播的后果可能很严重，定量评估这种不确定性在抗菌药理学领域却似乎很少受到关注。这引发了一个核心问题：我们基于这些模型所做的决策，其信心究竟有多足？一篇发表在《Journal of Pharmacokinetics and Pharmacodynamics》的论述性文章，正是为了敲响警钟，并系统性地剖析这一问题。
为了深入探究并量化不确定性对抗菌PK/PD建模的影响，研究人员没有进行新的湿实验，而是巧妙地运用了详尽的计算机模拟分析。他们基于已发表的经典研究数据和实际情境，构建了一系列仿真模型，涵盖了从基础药敏测量到复杂临床决策的整个工作流程。研究主要采用了基于贝叶斯统计的建模与马尔可夫链蒙特卡洛(MCMC)采样进行参数估计和不确定性量化，利用逻辑平滑均匀分布来表征最低抑菌浓度(MIC)测量中因倍比稀释导致的区间截尾误差，并通过计算机模拟来演示不同来源的不确定性(如样本量、个体间变异、测量误差)如何影响药动学参数估计、暴露-反应关系建模以及最终的概率靶标达成(PTA)和折点设定等预测结果。
研究结果
Measurement of drug susceptibility (药物敏感性测量)
研究人员指出，最常用的抗菌效力指标——最低抑菌浓度(MIC)，由于采用倍比稀释法测定，其结果本质上是区间截尾的。例如，报告为2 mg/L的MIC，其真实值可能均匀分布在1至2 mg/L之间的任何位置。这种测量方法本身就引入了约2倍的固有误差。模拟表明，即使已知患者精确的药时曲线下面积(AUC)，仅MIC的测量不确定性就会导致关键的PK/PD指数AUC24:MIC产生约2倍范围的不确定性。这种误差会传播到所有后续基于MIC的计算中。
Parameter uncertainty in pharmacokinetics (药动学中的参数不确定性)
在群体药动学(Population PK)中，模型参数(如清除率、分布容积)是从有限数据中估计得出的，因此存在认知不确定性。通过模拟阿米卡星在不同样本量(25 vs. 100例)和个体间变异程度下的药动学数据，并采用贝叶斯方法拟合，研究发现：样本量越小、个体间变异越大，对群体典型个体暴露量的预测不确定性(可信区间)就越宽。更重要的是，对未来个体暴露的预测区间主要受个体间变异影响，而对特定分位数(如第10百分位数)暴露的估计则显著受样本量影响——样本量小会导致对此分位数的认知不确定性很大。如果仅使用参数点估计而忽略其不确定性，会过度高估预测的精确性。
Uncertainty in pharmacokinetic/pharmacodynamic indices (PK/PD指数中的不确定性)
关键的PK/PD靶标(如万古霉素的AUC24:MIC > 400 h)通常来自观察性研究，本身具有不确定性。模拟基于观察数据寻找“最优”暴露阈值的过程发现，即使样本量较大，通过决策树分析得到的阈值点估计也存在显著的抽样变异性，自举法抽样分布显示有相当概率支持与点估计值相差甚远的结果。相比之下，建立参数化的暴露-反应模型(如四参数log-logistic模型)能更有效地利用数据，并通过贝叶斯框架直接呈现预测概率的不确定性。此外，在建模中忽略MIC的测量误差，也会对估计的暴露-反应关系产生轻微影响。
Propagation of uncertainty: breakpoint determination (不确定性的传播：折点确定)
临床折点的确定是PK/PD建模的终极应用之一，它串联了药动学预测、PK/PD靶标和临床结局概率。以犬用环丙沙星的折点设定为例，研究模拟了其药动学数据并建立模型。结果显示，如果仅使用药动学参数的点估计来预测特定剂量下达到靶标(AUC:MIC > 100 h)的人群比例(PTA)，会得到过于“尖锐”的预测曲线。当纳入药动学参数的认知不确定性后，PTA预测变为一个概率分布，对于给定的MIC值，达到靶标的概率不再是一个确定值，而是一个范围。如果再进一步纳入MIC自身的测量误差，不确定性范围会进一步扩大。这意味着，基于点估计模型确定的“精确”折点(如MIC = 0.06 mg/L)可能掩盖了其背后巨大的不确定性，实际的折点可能在一个范围内浮动。
结论与讨论
本文通过一系列贯穿抗菌PK/PD建模工作流程的模拟研究，有力地论证了不确定性量化在该领域的极端重要性。主要结论是：当前建模实践中普遍依赖点估计的做法，严重低估了预测结果的不确定性，可能导致在剂量优化、折点设定和模型引导的精准给药(MIPD)等方面做出过度自信且可能不稳健的决策。
具体而言，研究揭示了几个关键的不确定性来源：1) MIC测量的固有误差约2倍，是剂量个体化的重要误差来源；2) PK/PD指数靶标本质上是经验性的，其估计受限于观测数据量，存在显著不确定性；3) 药动学模型参数，特别是群体中的变异程度参数，其不确定性在样本量小或个体差异大时尤为突出；4) 在模型链条中，上游的不确定性会传播并放大到下游的预测中，例如在折点确定时，药动学参数不确定性和MIC测量误差共同导致PTA预测和最终折点值变得模糊。
这些发现对领域具有深刻意义。它呼吁研究者、临床药师和监管机构认识到，抗菌药效动力学模型的输出不应只是一个单一的数字或“是/否”的结论，而应附带对其不确定性的定量描述(如可信区间)。贝叶斯统计框架及其现代计算工具(如Stan)为这种全面的不确定性量化提供了自然且强大的方法。未来的研究应致力于将不确定性评估作为标准流程纳入PK/PD分析报告，在开发MIPD工具时也应呈现个体参数估计的可信区间，以支持更审慎的临床决策。最终，拥抱并量化不确定性，而非忽视它，才是提升抗菌药物治疗科学性与严谨性的必由之路。
