儿童他克莫司个体化给药模型的研究进展

沈黎; 李智平

doi:10.6039/j.issn.1001-0408.2025.01.21

您当前的位置：

首页 >

文章列表页 >

儿童他克莫司个体化给药模型的研究进展

综述 | 更新时间：2025-09-25

- 儿童他克莫司个体化给药模型的研究进展
- Advances in individualized dosing models of tacrolimus for children
- 中国药房 2025年36卷第1期页码：124-128
- 作者机构：
  
  国家儿童医学中心/复旦大学附属儿科医院临床药学部，上海　201102
- 作者简介：
  
  副主任药师，博士研究生。研究方向：临床药学。 E-mail：lishen_clic@163.com
  主任药师，博士生导师，博士。研究方向：临床药学。E-mail： zpli@fudan.edu.cn
- 基金信息：
  
  2022年东方英才计划领军项目(EK00000861);上海市医药卫生发展基金会项目(20221128);上海申康医院发展中心市级医院诊疗技术推广及优化管理项目(SHDC22024204)
- DOI：10.6039/j.issn.1001-0408.2025.01.21
  中图分类号： R969.3;R979.5
- 收稿日期：2024-04-27，
  
  修回日期：2024-12-22，
  
  录用日期：2024-12-23，
  
  纸质出版日期：2025-01-15
- 稿件说明：
移动端阅览
沈黎,李智平.儿童他克莫司个体化给药模型的研究进展[J].中国药房,2025,36(01):124-128.

SHEN Li,LI Zhiping.Advances in individualized dosing models of tacrolimus for children[J].ZHONGGUO YAOFANG,2025,36(01):124-128.
沈黎,李智平.儿童他克莫司个体化给药模型的研究进展[J].中国药房,2025,36(01):124-128. DOI： 10.6039/j.issn.1001-0408.2025.01.21.

SHEN Li,LI Zhiping.Advances in individualized dosing models of tacrolimus for children[J].ZHONGGUO YAOFANG,2025,36(01):124-128. DOI： 10.6039/j.issn.1001-0408.2025.01.21.

摘要

他克莫司是儿童实体器官移植后预防免疫排斥反应的关键治疗药物，由于其治疗窗窄、个体间变异大，往往需要个体化用药物。近年来，随着治疗药物监测技术的推广，基于他克莫司血药浓度的个体化治疗模型发展迅猛。本文综述了近十年来国内外儿童他克莫司个体化给药模型的研究进展，包括基于群体药动学、生理药动学、机器学习和多元线性回归的剂量模拟方法，分析并概括了各模型的特点以及在儿童个体化给药中的应用情况，并介绍了他克莫司个体化给药辅助决策系统的发展现状。

Abstract

Tacrolimus is a crucial therapeutic drug for preventing immune rejection after solid organ transplantation in children. Due to the narrow treatment window and significant individual variability， personalized treatment is often required. In recent years， with the promotion of therapeutic drug monitoring technology， individualized treatment models based on tacrolimus drug concentration have developed rapidly. This article reviews the research progress of individualized dosing models for tacrolimus in children both domestically and internationally over the past decade. It includes dose simulation methods based on population pharmacokinetics， physiologically based pharmacokinetics， machine learning， and multiple linear regression. The characteristics of each model and its application in pediatric individualized dosing are analyzed and summarized. Additionally， the current development status of decision support systems for individualized tacrolimus dosing is introduced.

关键词

Keywords

references

THOMSON A W ， BONHAM C A ， ZEEVI A . Mode of action of tacrolimus （FK506）：molecular and cellular mechanisms [J ] . Ther Drug Monit ， 1995 ， 17 （ 6 ）： 584 - 591 .

BRUNET M ， VAN GELDER T ， ÅSBERG A ， et al . Therapeutic drug monitoring of tacrolimus-personalized therapy：second consensus report [J ] . Ther Drug Monit ， 2019 ， 41 （ 3 ）： 261 - 307 .

MENDOZA ROJAS A ， HESSELINK D A ， VAN BESOUW N M ， et al . High tacrolimus intrapatient variability and subtherapeutic immunosuppression are associated with adverse kidney transplant outcomes [J ] . Ther Drug Monit ， 2022 ， 44 （ 3 ）： 369 - 376 .

FUNK R S ， BROWN J T ， ABDEL-RAHMAN S M . Pedia- tric pharmacokinetics：human development and drug disposition [J ] . Pediatr Clin North Am ， 2012 ， 59 （ 5 ）： 1001 - 1016 .

KEARNS G L ， ABDEL-RAHMAN S M ， ALANDER S W ， et al . Developmental pharmacology：drug disposition， action，and therapy in infants and children [J ] . N Engl J Med ， 2003 ， 349 （ 12 ）： 1157 - 1167 .

IWASAKI K . Metabolism of tacrolimus （FK506） and recent topics in clinical pharmacokinetics [J ] . Drug Metab Pharmacokinet ， 2007 ， 22 （ 5 ）： 328 - 335 .

MIN S ， PAPAZ T ， LAFRENIERE-ROULA M ， et al . A randomized clinical trial of age and genotype-guided tacrolimus dosing after pediatric solid organ transplantation [J ] . Pediatr Transplant ， 2018 ， 22 （ 7 ）： e13285 .

PRYTUŁA A A ， CRANSBERG K ， BOUTS A H ， et al . The effect of weight and CYP3A5 genotype on the population pharmacokinetics of tacrolimus in stable paediatric renal transplant recipients [J ] . Clin Pharmacokinet ， 2016 ， 55 （ 9 ）： 1129 - 1143 .

KHAMLEK K ， KOMENKUL V ， SRIBOONRUANG T ， et al . Population pharmacokinetic models of tacrolimus in paediatric solid organ transplant recipients：a systematic review [J ] . Br J Clin Pharmacol ， 2024 ， 90 （ 2 ）： 406 - 426 .

KASSIR N ， LABBÉ L ， DELALOYE J R ， et al . Population pharmacokinetics and Bayesian estimation of tacrolimus exposure in paediatric liver transplant recipients [J ] . Br J Clin Pharmacol ， 2014 ， 77 （ 6 ）： 1051 - 1063 .

WANG D D ， CHEN X ， LI Z P . Wuzhi capsule and haemoglobin influence tacrolimus elimination in paediatric kidney transplantation patients in a population pharmacokinetics analysis：a retrospective study [J ] . J Clin Pharm Ther ， 2019 ， 44 （ 4 ）： 611 - 617 .

CHEN X ， WANG D D ， XU H ， et al . Population pharmacokinetics and pharmacogenomics of tacrolimus in Chinese children receiving a liver transplant：initial dose recommendation [J ] . Transl Pediatr ， 2020 ， 9 （ 5 ）： 576 - 586 .

CHEN X ， WANG D D ， XU H ， et al . Population pharmacokinetics model and initial dose optimization of tacrolimus in children and adolescents with lupus nephritis based on real-world data [J ] . Exp Ther Med ， 2020 ， 20 （ 2 ）： 1423 - 1430 .

LEONG R ， VIEIRA M L ， ZHAO P ， et al . Regulatory experience with physiologically based pharmacokinetic modeling for pediatric drug trials [J ] . Clin Pharmacol Ther ， 2012 ， 91 （ 5 ）： 926 - 931 .

EDGINTON A N ， SCHMITT W ， WILLMANN S . Deve- lopment and evaluation of a generic physiologically based pharmacokinetic model for children [J ] . Clin Pharmacokinet ， 2006 ， 45 （ 10 ）： 1013 - 1034 .

KUEPFER L ， NIEDERALT C ， WENDL T ， et al . Applied concepts in PBPK modeling：how to build a PBPK/PD model [J ] . CPT Pharmacometrics Syst Pharmacol ， 2016 ， 5 （ 10 ）： 516 - 531 .

LIN W ， CHEN Y ， UNADKAT J D ， et al . Applications，challenges，and outlook for PBPK modeling and simulation：a regulatory，industrial and academic perspective [J ] . Pharm Res ， 2022 ， 39 （ 8 ）： 1701 - 1731 .

TALHA ZAHID M ， ZAMIR A ， MAJEED A ， et al . A physiologically based pharmacokinetic model of cefepime to predict its pharmacokinetics in healthy，pediatric and disease populations [J ] . Saudi Pharm J ， 2023 ， 31 （ 8 ）： 101675 .

PRADO-VELASCO M ， BOROBIA A ， CARCAS-SANSUAN A . Predictive engines based on pharmacokinetics modelling for tacrolimus personalized dosage in paediatric renal transplant patients [J ] . Sci Rep ， 2020 ， 10 （ 1 ）： 7542 .

CAI L M ， KE M ， WANG H ， et al . Physiologically based pharmacokinetic model combined with reverse dose method to study the nephrotoxic tolerance dose of tacrolimus [J ] . Arch Toxicol ， 2023 ， 97 （ 10 ）： 2659 - 2673 .

HANKE ， FRECHEN S ， MOJ D ， et al . PBPK models for CYP3A4 and P-gp DDI prediction：a modeling network of rifampicin，itraconazole，clarithromycin，midazolam，alfentanil，and digoxin [J ] . CPT Pharmacometrics Syst Pharmacol ， 2018 ， 7 （ 10 ）： 647 - 659 .

ZHANG H Y ， BU F J ， LI L ， et al . Prediction of drug-drug interaction between tacrolimus and principal ingredients of Wuzhi capsule in Chinese healthy volunteers using physiologically-based pharmacokinetic modelling [J ] . Basic Clin Pharmacol Toxicol ， 2018 ， 122 （ 3 ）： 331 - 340 .

GREENER J G ， KANDATHIL S M ， MOFFAT L ， et al . A guide to machine learning for biologists [J ] . Nat Rev Mol Cell Biol ， 2022 ， 23 （ 1 ）： 40 - 55 .

LEE S ， SONG M ， HAN J ， et al . Application of machine learning classification to improve the performance of vancomycin therapeutic drug monitoring [J ] . Pharmaceutics ， 2022 ， 14 （ 5 ）： 1023 .

FU Q ， JING Y ， LIU MR G ， et al . Machine learning-based method for tacrolimus dose predictions in Chinese kidney transplant perioperative patients [J ] . J Clin Pharm Ther ， 2022 ， 47 （ 5 ）： 600 - 608 .

WOILLARD J B ， LABRIFFE M ， DEBORD J ， et al . Tacrolimus exposure prediction using machine learning [J ] . Clin Pharmacol Ther ， 2021 ， 110 （ 2 ）： 361 - 369 .

SONG X W ， LIU F H ， GAO H E ， et al . Compare the performance of multiple machine learning models in predic- ting tacrolimus concentration for infant patients with living donor liver transplantation [J ] . Pediatr Transplant ， 2023 ， 27 （ 1 ）： e14379 .

LIN Z M ， CHOU W C . Machine learning and artificial intelligence in toxicological sciences [J ] . Toxicol Sci ， 2022 ， 189 （ 1 ）： 7 - 19 .

KRZYWINSKI M ， ALTMAN N . Multiple linear regression [J ] . Nat Methods ， 2015 ， 12 （ 12 ）： 1103 - 1104 .

KANAMITSU K ， YORIFUJI T ， ISHIDA H ， et al . Clinical factors affecting the dose conversion ratio from intravenous to oral tacrolimus formulation among pediatric hematopoietic stem cell transplantation recipients [J ] . Ther Drug Monit ， 2020 ， 42 （ 6 ）： 803 - 810 .

陈铭，许静，陈峰，等 . 基因多态性对难治性肾病综合征患儿他克莫司血药浓度及其肾毒性的影响 [J ] . 安徽医学， 2023 ， 44 （ 1 ）： 82 - 87 .

CHEN M ， XU J ， CHEN F ， et al . Effect of gene polymorphism on blood concentration and nephrotoxicity of tacrolimus in children with refractory nephrotic syndrome [J ] . Anhui Med J ， 2023 ， 44 （ 1 ）： 82 - 87 .

LI C X ， LU J J ， ZHOU S R ， et al . Influential factors and efficacy analysis of tacrolimus concentration after allogeneic hematopoietic stem cell transplantation in children with β-thalassemia major [J ] . Pharmgenomics Pers Med ， 2021 ， 14 ： 1221 - 1237 .

BARTELINK I H ， RADEMAKER C M ， SCHOBBEN A F ， et al . Guidelines on paediatric dosing on the basis of deve- lopmental physiology and pharmacokinetic considerations [J ] . Clin Pharmacokinet ， 2006 ， 45 （ 11 ）： 1077 - 1097 .

焦正，李新刚，尚德为，等 . 模型引导的精准用药：中国专家共识： 2021版 [J ] . 中国临床药理学与治疗学， 2021 ， 26 （ 11 ）： 1215 - 1228 .

JIAO Z ， LI X G ， SHANG D W ， et al . Model informed precision dosing：China expert consensus report：2021 edition [J ] . Chin J Clin Pharmacol Ther ， 2021 ， 26 （ 11 ）： 1215 - 1228 .

DEL VALLE-MORENO P ， SUAREZ-CASILLAS P ， MEJÍAS-TRUEBA M ， et al . Model-informed precision dosing software tools for dosage regimen individualization：a scoping review [J ] . Pharmaceutics ， 2023 ， 15 （ 7 ）： 1859 .

KANTASIRIPITAK W ， VAN DAELE R ， GIJSEN M ，　　 et al . Software tools for model-informed precision dosing：how well do they satisfy the needs? [J ] . Front Pharmacol ， 2020 ， 11 ： 620 .

TAYLOR Z L ， POWELEIT E A ， PAICE K ， et al . Tutorial on model selection and validation of model input into precision dosing software for model-informed precision dosing [J ] . CPT Pharmacometrics Syst Pharmacol ， 2023 ， 12 （ 12 ）： 1827 - 1845 .

EL-KHATEEB E ， BURKHILL S ， MURBY S ， et al . Physiological-based pharmacokinetic modeling trends in pharmaceutical drug development over the last 20-years； in-depth analysis of applications，organizations，and platforms [J ] . Biopharm Drug Dispos ， 2021 ， 42 （ 4 ）： 107 - 117 .

CHOU W C ， LIN Z M . Machine learning and artificial intelligence in physiologically based pharmacokinetic modeling [J ] . Toxicol Sci ， 2023 ， 191 （ 1 ）： 1 - 14 .

LI Z R ， LI R D ， NIU W J ， et al . Population pharmacokinetic modeling combined with machine learning approach improved tacrolimus trough concentration prediction in Chinese adult liver transplant recipients [J ] . J Clin Pharmacol ， 2023 ， 63 （ 3 ）： 314 - 325 .

浏览量

188

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

共载小檗碱/胡椒碱自微乳给药系统的构建及评价

大麻二酚-胆甾醇琥珀酸单酯-g-羧甲基壳聚糖纳米胶束体内药动学及体外抗炎作用研究

麻黄与杏仁配伍后在支气管哮喘模型大鼠体内的药动学研究 ^Δ

小分子抑制剂SYHA1809在比格犬体内的药动学研究

新型肺靶向多西他赛脂质体在原位肺癌模型兔中的药动学研究