他克莫司个体化用药的研究进展

宋学武，高慧儿，秦寅鹏，张弋（. 天津医科大学一中心临床学院，天津 3009； . 天津市第一中心医院药学部，天津 3009）

21 世纪以来，经济与科学技术的进步推动着医疗卫生事业的迅速发展，随着智慧医疗的提出，人类已经正式进入精准医疗时代。精准医疗是指将个人划分为不同的亚群体，这些亚群体对特定疾病的易感性及特定治疗的反应性均不相同，然后综合考虑每个患者的个体特征，包括基因、环境和生活习惯等，从而制订最佳的治疗方案［1］。个体化用药是实现精准医疗的基础，它是根据每个患者的个体差异，结合药动学及药效学参数，并由最新的临床药物治疗指南来选择最佳用药方案。

他克莫司是从链霉菌属中分离出的发酵产物，是一种具有强效免疫抑制特性的大环内酯类钙调磷酸酶抑制剂，已成为预防肾脏、肝脏和心脏等实体器官移植的一线用药［2-3］。然而，他克莫司口服生物利用率低、药代动力学个体差异大、治疗窗狭 窄［4］。研究表明，他克莫司谷浓度（C0）过低会增加急性排斥反应的风险［5］，而C0过高则会引起毒性反应［6］。尽管目前各个医疗中心利用多种不同的方法来辅助他克莫司的个体化用药，但还没有针对于他克莫司个体化用药研究进展的综述。本文旨将应用于他克莫司个体化用药的各种方法及其特点进行总结，为实现他克莫司的精准治疗提供选择与参考。

1 TDM 在他克莫司个体化用药中的应用

他克莫司自20 世纪90 年代上市以来，以其为基础的免疫抑制方案显著降低了肝、肾等实体器官移植后的急性排斥反应、耐皮质激素排斥反应、 难治性排斥反应以及慢性排斥反应的发生率，显著改善了移植物功能，减少了皮质激素的用量，并降低了巨细胞病毒等感染的发生率［7-9］。但是，由于治疗指数窄及个体间差异大，对他克莫司进行治疗药物监测（therapeutic drug monitoring，TDM）成为了临床的常规手段，以使其暴露量维持在目标值范围内，在避免移植排斥反应的同时最大限度地减少肾毒性的发生［10-11］。

目前，监测他克莫司血药浓度的方法主要是测量C0和血药浓度-时间曲线下面积（area under concentration-time curve， AUC）。有研究表明，仅测 定C0对于TDM 是不够的，AUC 更为可靠［12］。但是 AUC 的准确测定通常需要在服用药物后12 h 内进行密集采血，这增加了患者和医疗团队的负担， 而且成本高昂［13］，C0的测定容易操作因而更为常用［2］。C0可以通过免疫分析法或液相色谱串联质谱法进行测定，这两种方法在临床应用中所占的比例几乎相同。免疫分析法在测定C0时具有速度快和操作简便等特点，Kaneko 等［14］利用液相色谱串联质谱法为参考比较评价了三种免疫分析法，称用化学发光酶免疫法、亲和柱介导免疫法测定C0时其准确度和精密度均高于酶免疫法。液相色谱串联质谱法具有很高的分析选择性和灵敏度，该方法可以满足临床对于检测C0时快速、准确和精确的要求，并且在低浓度下仍表现良好［3］。值得注意的是，Mei 等［15］在一项用高效液相色谱串联质谱法和化学发光微粒免疫法测定C0的比较研究中发现免疫分析法存在高估问题，并推荐将液相色谱串联质谱法作为测定C0的金方法。然而，当C0在指南推荐的治疗窗范围内时仍有某些患者发生排斥反应或毒性反应，使得一些临床医生开始质疑利用TDM 来确定他克莫司最佳浓度时对于C0的依赖［16］。最佳浓度存在争议的原因之一是他克莫司C0与排斥反应之间的相关性不明确。在一项随机对照临床试验的汇总分析中，并没有发现在肾移植后5 个时间点的他克莫司预剂量浓度与此后急性排斥反应的发生率之间存在关联［17］。此外，他克莫司在各类移植患者中的推荐浓度也在不断变化，例如对于肾移植患者，他克莫司目标浓度在20 世纪90 年代初期曾高达20 ng/ml［16］，但在最新的研究中，该范围是 4 ～ 12 ng/ml［3］。要确定他克莫司的最佳浓度范围是一件非常困难的事情。事实上，该范围是根据临床经验确定的，主要取决于移植后的时间、使用时的并发症及急性排斥反应发生的风险［3］。利用TDM 指导他克莫司个体化用药的一个缺陷是患者的初始剂量是根据临床经验确定的。然而患者间变异度的存在使得他克莫司的血药浓度差别很大，有时甚至可达10 倍以上［18］。因此，仅通过TDM 来实现他克莫司的个体化用药是十分困难的。

2 基因多态性在他克莫司个体化用药中的应用

他克莫司口服给药后，由胃肠道和肝脏中的细胞色素P450（cytochrome P450，CYP）酶系统中的CYP3A 酶代谢，主要包括CYP3A4、CYP3A5及CYP3A 家族的其他成员如CYP3A7、CYP3A43 等［3］。参与他克莫司生物转化的主要的酶是CYP3A5， 而CYP3A4 的催化效率则相对较低［19］。CYP3A5 的表达很大程度上是由基因多态性决定的，具有至少一个CYP3A5*1 等位基因的个体被认为是CYP3A5表达者（包括CYP3A5*1/*1 或CYP3A5*1/*3），反之，CYP3A5*3/*3 则认为是不表达者。大量研究表明，要达到相同的药物浓度，携带有CYP3A5*1/*1或CYP3A5*1/*3 基因的患者比CYP3A5*3/*3 需要更大的药物剂量，甚至可达两倍以上［20-22］。这主要是由于内含子3 的异常剪接导致蛋白质的缺乏，从而影响CYP3A5 的活性［23］。鉴于CYP3A5基因型对他克莫司血药浓度的强烈影响，有学者建议，可以通过基因检测来指导他克莫司的个体化用药，尤其是在术后早期针对于患者的初始剂 量［24］。该观点的理论依据是携带有CYP3A5*1/*1或CYP3A5*1/*3 基因型的患者在使用低剂量他克莫司时可能无法达到或延迟达到所需的C0［25］。 但是，目前有关CYP3A5 基因分型用于指导他克莫司给药的证据仅限于CYP3A5 对他克莫司药代动力学参数的影响，并没有直接证据证明对于临床治疗效果有所改善［26］。Pallet 等［27］通过一项回顾性研究证明，通过药物遗传学检测来优化他克莫司的初始剂量并不能改善临床结局。对于是否检测移植患者的CYP3A5 基因型，指南中尚未给出支持或反对 意见［26］。

相比于CYP3A5，至今仍未发现可能与CYP3A4 活性相关并能解释CYP3A4 活性间存在显著个体差异的单核苷酸基因多态性［3］。此外，MDR1 基因多态性在他克莫司的药代动力学中也发挥作用。Kravljaca 等［28］研究表明MDR1 基因型在移植后早期优化他克莫司的剂量以提高早期和长期同种异体移植的存活率方面具有重要作用。 而Kuypers 等［29］认为决定长期服用他克莫司的肾移植受者出现药物相关肾毒性的基因是CYP3A5 和CYP3A4，而并不是MDR1。事实上，MDR1 基因多态性对不同种族不同患者他克莫司药代动力学的影响仍有待进一步阐明，该基因对临床治疗效果的影响尚无明确定论。

3 群体药代动力学在他克莫司个体化用药中的应用

群体药代动力学是将经典的药代动力学模型与群体统计学模型结合分析，定量考察患者群体中药物浓度的决定因素，研究给予标准剂量方案时药代动力学的变异性，为制订更加合理、有效的临床给药方案提供全面的量化信息［30］。群体药代动力学在他克莫司个体化用药中的应用可以追溯到20 世纪90 年代，具备着传统多点采样研究方法所不具备的诸多优势。首先，群体药代动力学允许使用稀疏数据，这在很大程度上解决了临床实际中需要密集取样来制订最佳用药方案时所带来的不便。 例如，Chen 等［31］利用患者药代动力学数据和常规监测的C0数据建立了他克莫司群体药代动力学的二室模型，在此基础上采用Bayesian 方法估算了中国肝移植患者他克莫司的AUC，该方法在方便临床应用的同时能够更准确地估计患者体内他克莫司的暴露量。其次，群体药代动力学不是仅凭经验， 而是能够综合考虑患者的个体特征及生化指标来制订用药的初始剂量。同时，群体药代动力学能够更准确地估计个体间变异性及药物平均参数值，并通过Bayesian 反馈分析来实现剂量个体化。群体药代动力学还允许将不同实验室及不同研究中心等不同来源的数据合并研究，不同数据集的组合通常会增加识别多室或非线性模型的能力，并能在模型的估计中加入额外的协变量以不断提高模型的预测准度和精度［32］。在房室模型的选择上，早期的他克莫司群体药代动力学模型多采用一室模型，考虑到他克莫司的物理化学性质，特别是其可以在脂肪组织中蓄积的特点，已有很多学者建立二室模型来描述他克莫司的药代动力学特点，并称其比一室模型更加准确［31，33］。此外，群体药代动力学也便于对特殊人群进行整体研究，如Musuamba 等［34］与Wallin 等［35］分别建立群体药代动力学模型来提高他克莫司应用于儿童肝移植患者时的安全性和有效性。但是，群体药代动力学模型也有一些不足。在建立群体药代动力学模型估计他克莫司的C0或AUC 时，纳入协变量较少会影响模型预测结果的准确度和精密度；而纳入协变量较多则面临建模困难和计算复杂的问题。其次，群体药代动力学模型有能力发现一些新的影响因素，但药物在体内的处置过程是一系列复杂的生化反应，那些通过复杂交互作用来影响他克莫司处置过程的因素可能会被排除甚至不被发现。更重要的是，目前最常用的非线性混合效应模型法计算过程复杂，在进行模型的建立与优化及最后参数的预测和结果解释时需要由熟练掌握药动学知识的专业人员来完成。这些都为群体药代动力学用于他克莫司的个体化用药带来了困难与挑战。

4 机器学习在他克莫司个体化用药中的应用

机器学习本质上是一种计算机算法，它们不需要领域专业知识，可以通过学习规则直接从数据中执行给定的任务［36］。与传统的统计模型相比， 机器学习具有功率大、精度高、非线性效应建模能力强、对大基因组数据集的解释能力强及无需正态分布检验等优点［37］。近年来，国内外学者利用多种机器学习算法建立模型，来辅助他克莫司的临床个体化用药。如Seeling 等［38］建立的回归树模型与傅晓华等［39］建立的人工神经网络模型分别用于预测肾移植患者和肝移植患者他克莫司的血药浓度水平，后者采用遗传算法配合动量法优化网络参数，使得建立的模型准确度及精密度均优于多元线性回归，且该预测过程十分简便迅捷。AUC 被认为是与临床效果最相关的药代动力学参数［3］，由于需要的采样点较多等原因，该值的准确计算一直是临床无法解决的难题，而Niel 等［40］利用人工神经网络建立模型来估计肾移植患者他克莫司的AUC，该模型改善了传统模型稳定性较差且预测过程繁琐的特点，实现了帮助临床医生更好地监测那些由于他克莫司剂量不足而引起的风险增加的移植人群，特别是依从性差，疑似他克莫司肾毒性或疑似排斥反应的患者。此外，Thishya 等［41］建立了人工神经网络模型预测他克莫司在肾移植患者中的生物利用度，该模型可以改善治疗并预防毒性，在计算他克莫司的初始剂量方面达到了较高的准确度。值得关注的是，Tang 等［42］通过比较多元线性回归与人工神经网络、支持向量回归、回归树等八种机器学习模型在预测肾移植患者他克莫司稳定剂量方面的性能，称回归树模型与多元线性回归模型优于其他机器学习模型，但该研究在建立模型进行比较分析时纳入的协变量较少，一些如种族等明确会影响他克莫司血药浓度的因素也被排除在外，且尚未研究各协变量之间的复杂关系，没能完全发挥机器学习的优势。

机器学习与个体化用药相结合时还具有传统方法所不具备的其他优势。机器学习在遇到错误时能够通过自我调整结构来解决推理问题，同时还能处理大量的变量［43］。一些更高效的机器学习技术的兴起也呈现出对原有模型不断优化的能力［44-45］。机器学习在其他药物（如华法林）中建立的个体化用药模型成功解决了临床实际的缺失值问题［46］。然而，机器学习在模型的构建过程中可能会面临更耗时耗力的风险，在可解释性方面也面临重大挑战。总之，将机器学习用于他克莫司的个体化用药的研究尚不是很成熟，但具有广阔的发展前景。

5 总结与展望

他克莫司由于治疗窗窄和个体间差异大的特点，实现个体化用药有一定的困难。TDM 仍是辅助他克莫司个体化用药最常用的手段。鉴于东亚人群CYP3A5 基因突变频率较高的特点，基因检测对于他克莫司用药方案的制订可能具有重要意义，尤其是针对患者的初始剂量。群体药代动力学解决了传统方法需要密集取样而难以在临床实施的缺陷，并能综合考虑患者生理状态来制订诊疗方案。群体药代动力学便于对特殊人群进行整体研究，特别是儿童患者，该群体由于自身的生理特点及对药物反应性和耐受性方面都与成人有很大差异，保证其用药安全性和有效性至关重要。机器学习在传统模型的基础上利用新算法实现了模型的改进与优化， 使他克莫司的个体化用药踏上了一个新台阶，但同 时又面临着许多新的挑战。总之，如何实现他克莫司的个体化用药是临床的一个难题，将TDM、 基因检测、群体药代动力学和机器学习等方法结合起来或许能够更精准的预测他克莫司的C0及AUC等，从而为临床个体化用药服务提供最佳的选择与参考，推动精准医疗的迅速发展。