国际领 先！WINS平台突破传统治疗药物监测瓶颈

近日，药明奥测人工智能团队携手复旦大学附属华山医院钟明康教授团队在国际著名药学期刊《Frontiers in Pharmacology》发表了治疗药物监测创新人工智能的论文——

Applying Machine Learning To The Pharmacokinetic Modeling Of Cyclosporine In Adult Renal Transplant Recipients: A Multi-method Comparison

图1：《Frontiers in Pharmacology》

这是该领域第 一篇运用人工智能神经网络技术驱动环孢素用药剂量精准预测的文章。此项研究成功突破了用药剂量预测传统模式的瓶颈，丰富了定量药理学的实践基础，为实现个体化精准用药提供新的思路。这也是药明奥测人工智能团队与国内*药学专家基于WINS平台合作的创新成果。

药明奥测首席科学官兼首席技术官方焯博士表示：“此次合作论文的发表，显示出人工智能技术在治疗药物监测(therapeutic drug monitoring,简称TDM)与临床药学探索方面的强大应用潜力。这也是WINS平台科研能力的首次展示，为临床个体化精准用药的合作研究开启了新方向。”

人工智能引领治疗药物监测

临床实践证明，个体化精准用药是提高治疗水平的关键。抗排异、抗感染等药物的用药剂量精准化，对于延长患者生存期、提高患者生存质量具有明显作用。为了制订个体化用药方案，临床药师运用治疗药物监测和药代动力学工具估算药物剂量。

本次论文运用的人工智能与机器学习技术被视为个体化精准用药的新希望。通过机器学习建立的药物动力学模型，无须模型假设就可以自主学习并捕捉变量之间的复杂关系，通过训练就可以建立用于预测和判断因果关系的网络系统。更重要的是，由机器学习建立的药代动力学模型具有出色的预测效力，尤其在复杂的药动学和药效学研究中的表现明显优于传统药代动力学工具。

精准预测的个体化用药方案提升患者收益

环孢素 (CsA)是广泛应用于实体器官移植的抗排异药物，其治疗窗窄且个体差异大，容易发生肝肾功能损害等副作用。在此次发表的研究中，研究团队对56项临床变量进行特征选取，筛选出MDR1基因型，术后时间，联合用药等16项与环孢素代谢显著相关的协变量。随后，研究团队以环孢素血药谷浓度和峰浓度结果作为临床终点，通过纳入选取的协变量同时建立了Linear Regression (LR)、Support Vector Regression (SVR)、Random Forest (RF)、XGBoost、LightGBM、CatBoost和神经网络模型（artificial neural network）等7种机器学习模型。

图2\3：环孢素血药谷浓度和峰浓度结果作为临床终点，通过纳入选取的协变量同时建立了7种机器学习模型

结果显示，神经网络模型具有最 佳的预测效力(MDPE: -0.039%, MAPE: 25.60%, F20: 39.35%, F30: 56.46%, R2: 0.75)。结果显著优于群体药动学模型的预测效力(MDPE: 5.26%, MAPE: 29.22%, F20: 33.94%, F30: 51.22%, R2 score :0.68)。

该模型在临床上具备良好应用前景及潜力，特别是在对首次服药患者的用药剂量推荐上。

WINS助力新药开发及个性化精确治疗

此次发表的论文，团队运用WINS平台内置AI模块，对环孢素血药谷浓度和峰浓度同时进行精准预测。这充分展示了WINS平台解决临床实际需求上的成熟能力。

作为国内*获得医疗器械证的精准用药平台，WINS平台可以同时满足临床＋科研两大需求。通过WINS-EDC模块，可以实现血药浓度相关真实世界数据的实时收集与更新，亦可直接导入临床预先收集好信息建立原始数据池。接上WINS-AI模块之后即可按照研究者的目的建立算法逻辑，根据临床需要建立不同的模型训练任务。系统将自动按照内设标准对数据进行清洗及填充，并自动进行机器学习模型的建立，根据一系列评价指标选取出预测效力最 佳的模型作为最 终模型并进行应用，助力个体化精准用药，通过更准确的浓度剂量效应模型从而实现精确的用药剂量推荐。随着WINS平台应用的不断拓展，必将极大地推动新药的早期临床开发以及个性化精确治疗的实现。