Mô hình dược động học là gì? Nghiên cứu khoa học liên quan

Khái niệm và phạm vi của mô hình dược động học (pharmacokinetic model)

Mô hình dược động học (pharmacokinetic model, viết tắt là PK model) là một công cụ định lượng được sử dụng để mô tả và phân tích sự thay đổi nồng độ của một chất thuốc trong cơ thể theo thời gian. Mô hình này dựa trên các quá trình sinh học cơ bản chi phối số phận của thuốc sau khi được đưa vào cơ thể, bao gồm hấp thu, phân bố, chuyển hoá và thải trừ (ADME). Về bản chất, mô hình PK là sự kết nối có hệ thống giữa liều dùng, thời gian và mức độ phơi nhiễm của cơ thể đối với thuốc.

Phạm vi của mô hình dược động học không chỉ giới hạn ở việc mô tả dữ liệu nồng độ đo được, mà còn mở rộng sang việc suy luận các tham số ẩn như thanh thải (clearance) hay thể tích phân bố. Các tham số này không phải là đại lượng đo trực tiếp, mà được ước lượng thông qua mô hình hoá toán học. Nhờ đó, mô hình PK đóng vai trò trung tâm trong việc chuyển dữ liệu thực nghiệm rời rạc thành thông tin có ý nghĩa sinh học và lâm sàng.

Tuỳ theo mức độ chi tiết và mục đích sử dụng, mô hình PK có thể mang tính mô tả (descriptive) hoặc mang tính cơ chế (mechanistic). Ở mức cơ bản, mô hình có thể chỉ nhằm tóm tắt đường cong nồng độ–thời gian. Ở mức nâng cao hơn, mô hình có thể phản ánh các quá trình sinh lý, đặc điểm của cơ quan và đặc tính hoá lý của thuốc.

• Mô tả định lượng mối quan hệ giữa liều và nồng độ thuốc
• Suy ra các tham số động học không đo trực tiếp được
• Tạo nền tảng cho dự đoán và mô phỏng các kịch bản liều khác nhau

Vì sao cần mô hình PK trong nghiên cứu và thực hành

Trong nghiên cứu phát triển thuốc, dữ liệu dược động học thường thu được từ số lượng mẫu hạn chế và trong những điều kiện thử nghiệm cụ thể. Mô hình PK cho phép tổng hợp dữ liệu này thành một cấu trúc nhất quán, giúp nhà nghiên cứu hiểu được các quy luật chi phối hành vi của thuốc trong cơ thể. Thay vì chỉ quan sát các giá trị nồng độ rời rạc, mô hình cung cấp một bức tranh liên tục theo thời gian.

Trong thực hành lâm sàng, đặc biệt với các thuốc có khoảng điều trị hẹp, mô hình PK hỗ trợ việc lựa chọn liều dùng hợp lý cho từng nhóm bệnh nhân. Khi có sự khác biệt lớn giữa các cá thể về chức năng gan, thận hoặc cân nặng, việc áp dụng trực tiếp liều chuẩn có thể không phù hợp. Mô hình PK giúp giải thích nguồn gốc của sự biến thiên này và hỗ trợ điều chỉnh liều một cách khoa học.

Ngoài ra, mô hình PK còn là công cụ quan trọng trong trao đổi khoa học và quản lý dược. Các cơ quan quản lý sử dụng kết quả mô hình hoá để đánh giá mức độ an toàn, hiệu quả và tính hợp lý của chế độ liều được đề xuất trong hồ sơ đăng ký thuốc.

• Hỗ trợ thiết kế và phân tích thử nghiệm lâm sàng
• Giải thích sự khác biệt giữa các cá thể hoặc quần thể
• Làm cơ sở cho quyết định về liều dùng và ghi nhãn thuốc

Phân loại mô hình PK thường gặp

Mô hình dược động học có thể được phân loại theo nhiều tiêu chí khác nhau, trong đó phổ biến nhất là dựa trên cấu trúc toán học và mức độ giả định về sinh lý. Mỗi loại mô hình có ưu điểm, hạn chế và phạm vi áp dụng riêng, tuỳ thuộc vào câu hỏi nghiên cứu đặt ra.

Mô hình ngăn (compartmental model) là loại được sử dụng rộng rãi nhất trong thực hành. Cơ thể được biểu diễn như một hoặc nhiều “ngăn” đồng nhất về mặt động học, giữa các ngăn có sự trao đổi thuốc theo các hằng số tốc độ. Các ngăn này mang ý nghĩa toán học nhiều hơn là giải phẫu thực sự, nhưng đủ để mô tả tốt dữ liệu trong nhiều trường hợp.

Bên cạnh đó, phân tích phi ngăn (noncompartmental analysis – NCA) thường được dùng khi mục tiêu chính là ước lượng các chỉ số phơi nhiễm mà không cần giả định cấu trúc động học cụ thể. Ở mức phức tạp hơn, mô hình PK quần thể và mô hình dựa sinh lý (PBPK) cho phép khai thác dữ liệu đa dạng và đánh giá ảnh hưởng của các yếu tố sinh học một cách hệ thống.

Loại mô hình	Đặc điểm chính	Mục đích sử dụng
Mô hình ngăn	Giả định các ngăn đồng nhất, tham số ít	Mô tả và dự đoán nồng độ theo thời gian
Phi ngăn (NCA)	Không giả định cấu trúc động học	Tính AUC, Cmax, Tmax
PK quần thể	Mô hình hoá biến thiên giữa cá thể	Đánh giá ảnh hưởng của covariate
PBPK	Dựa trên cơ quan và sinh lý	Dự đoán, ngoại suy, đánh giá tương tác

Tham số PK và ý nghĩa (CL, V, k, ka, F…)

Các tham số dược động học là cầu nối giữa mô hình toán học và diễn giải sinh học. Trong đó, thanh thải (CL) phản ánh khả năng loại bỏ thuốc của cơ thể, trong khi thể tích phân bố (V) mô tả mức độ thuốc phân bố ra khỏi huyết tương. Hai tham số này thường được xem là nền tảng, vì chúng chi phối trực tiếp nồng độ và phơi nhiễm thuốc.

Hằng số thải trừ (k) và thời gian bán thải (t_1/2) cung cấp cách nhìn trực quan hơn về tốc độ thuốc biến mất khỏi hệ tuần hoàn. Với nhiều thuốc, thời gian bán thải là thông tin quan trọng để quyết định khoảng cách liều. Mối quan hệ giữa chúng được biểu diễn bằng công thức: $t_{1/2}=\frac{\ln 2}{k}$

Đối với các đường dùng ngoài tĩnh mạch, các tham số hấp thu như hằng số hấp thu (k_a) và sinh khả dụng (F) trở nên đặc biệt quan trọng. Chúng quyết định mức độ và tốc độ thuốc đi vào vòng tuần hoàn chung, từ đó ảnh hưởng đến nồng độ đỉnh và thời điểm đạt đỉnh.

• CL: quyết định diện tích dưới đường cong (AUC)
• V: ảnh hưởng đến nồng độ ban đầu và thời gian bán thải
• k, t_1/2: liên quan đến khoảng cách liều
• k_a, F: chi phối hấp thu khi dùng đường uống

Khung toán học tối thiểu: phương trình vi phân và biểu diễn định lượng

Nền tảng của mô hình dược động học là các biểu thức toán học mô tả sự thay đổi lượng hoặc nồng độ thuốc theo thời gian. Trong đa số trường hợp, các mô hình này được xây dựng dưới dạng hệ phương trình vi phân thường (ordinary differential equations – ODE), trong đó mỗi phương trình đại diện cho một quá trình hoặc một ngăn trong cơ thể. Cách tiếp cận này cho phép mô tả động học thuốc một cách liên tục và nhất quán.

Ở các mô hình đơn giản, nghiệm giải tích (closed-form solution) có thể được viết trực tiếp, giúp việc diễn giải trở nên rõ ràng. Ví dụ, mô hình một ngăn với tiêm tĩnh mạch bolus và thải trừ bậc nhất có dạng hàm mũ giảm theo thời gian. Khi mô hình trở nên phức tạp hơn (nhiều ngăn, hấp thu phức hợp, thải trừ phi tuyến), nghiệm thường không tồn tại dưới dạng đóng và cần được giải bằng các phương pháp số.

Việc lựa chọn mức độ phức tạp của mô hình toán học phải cân bằng giữa khả năng mô tả dữ liệu và tính ổn định của ước lượng. Một mô hình quá đơn giản có thể bỏ sót đặc điểm quan trọng của dữ liệu, trong khi mô hình quá phức tạp dễ dẫn đến hiện tượng không xác định tham số hoặc quá khớp.

• Phương trình vi phân mô tả tốc độ thay đổi lượng thuốc
• Nghiệm giải tích cho các mô hình cơ bản
• Giải số cho các mô hình nhiều ngăn hoặc phi tuyến

Dữ liệu và thiết kế nghiên cứu phục vụ mô hình hoá PK

Chất lượng và cấu trúc dữ liệu là yếu tố quyết định độ tin cậy của mô hình dược động học. Dữ liệu PK thường bao gồm các cặp giá trị thời gian – nồng độ, thu thập từ mẫu máu hoặc huyết tương. Thiết kế lấy mẫu cần đảm bảo bao phủ đầy đủ các pha chính của đường cong nồng độ–thời gian, bao gồm hấp thu, phân bố và thải trừ.

Trong nhiều thử nghiệm lâm sàng, việc lấy mẫu dày không khả thi do hạn chế về đạo đức hoặc logistics. Khi đó, các thiết kế lấy mẫu thưa được sử dụng, đặc biệt trong phân tích PK quần thể. Mô hình hoá cho phép kết hợp dữ liệu thưa từ nhiều cá thể để suy ra động học chung và biến thiên cá thể.

Ngoài dữ liệu nồng độ, thông tin về liều dùng, thời điểm dùng thuốc, dạng bào chế và các đặc điểm bệnh nhân (covariate) là thành phần không thể thiếu. Việc thiếu chính xác ở bất kỳ yếu tố nào trong số này đều có thể gây sai lệch đáng kể cho kết quả mô hình.

Thành phần dữ liệu	Ví dụ	Ý nghĩa trong mô hình
Nồng độ thuốc	mg/L, ng/mL	Cơ sở để ước lượng tham số
Thời gian lấy mẫu	giờ, phút	Xác định hình dạng đường cong PK
Covariate	Cân nặng, eGFR	Giải thích biến thiên cá thể

Quy trình xây dựng mô hình PK

Xây dựng một mô hình dược động học thường tuân theo một quy trình có hệ thống, bắt đầu từ việc lựa chọn mô hình cấu trúc phù hợp. Bước này dựa trên hiểu biết về đặc tính của thuốc, đường dùng và dữ liệu quan sát được. Mô hình cấu trúc xác định số ngăn, kiểu hấp thu và kiểu thải trừ.

Sau khi xác định mô hình cấu trúc, mô hình sai số được xây dựng để mô tả sự khác biệt giữa giá trị dự đoán và giá trị quan sát. Sai số này có thể đến từ sai số đo lường, biến thiên sinh học chưa được giải thích hoặc các yếu tố không được đưa vào mô hình. Việc mô tả sai số hợp lý là điều kiện cần để ước lượng tham số đáng tin cậy.

Trong mô hình PK quần thể, các thành phần biến thiên ngẫu nhiên giữa cá thể được thêm vào để phản ánh sự khác biệt sinh học tự nhiên. Sau đó, các yếu tố giải thích (covariate) có thể được kiểm tra nhằm làm rõ nguyên nhân của biến thiên và cải thiện khả năng dự đoán của mô hình.

1. Xây dựng mô hình cấu trúc ban đầu
2. Xác định mô hình sai số
3. Đánh giá biến thiên cá thể và covariate
4. Kiểm tra độ phù hợp và khả năng dự đoán

Đánh giá, kiểm định và độ tin cậy của mô hình

Một mô hình PK chỉ có giá trị khi được đánh giá một cách toàn diện. Các phương pháp đánh giá bao gồm kiểm tra độ phù hợp giữa dự đoán và quan sát, phân tích phần dư và đánh giá xu hướng sai lệch theo thời gian hoặc theo nồng độ. Các đồ thị chẩn đoán là công cụ trực quan quan trọng trong bước này.

Ngoài các kiểm tra nội bộ, mô phỏng dựa trên mô hình được sử dụng để đánh giá khả năng tái tạo dữ liệu quan sát. Visual Predictive Check (VPC) là một ví dụ điển hình, trong đó các phân vị của dữ liệu mô phỏng được so sánh với dữ liệu thực nghiệm. Sự phù hợp tốt cho thấy mô hình có khả năng dự đoán hợp lý trong phạm vi dữ liệu.

Độ bất định của tham số cũng cần được lượng hoá, thường thông qua các kỹ thuật như bootstrap hoặc phân tích độ nhạy. Điều này giúp người sử dụng hiểu rõ mức độ chắc chắn của các kết luận rút ra từ mô hình.

Ứng dụng của mô hình dược động học

Mô hình dược động học được ứng dụng rộng rãi trong suốt vòng đời của thuốc, từ giai đoạn nghiên cứu tiền lâm sàng đến sau khi thuốc được lưu hành. Trong phát triển thuốc, mô hình giúp lựa chọn liều khởi đầu, tối ưu hoá thiết kế thử nghiệm và hỗ trợ ra quyết định tiếp tục hay dừng phát triển.

Trong lâm sàng, mô hình PK là nền tảng cho các chiến lược cá thể hoá điều trị, đặc biệt với các thuốc có khoảng điều trị hẹp hoặc có biến thiên lớn giữa các bệnh nhân. Ngoài ra, mô hình còn hỗ trợ đánh giá tương tác thuốc–thuốc và dự đoán phơi nhiễm ở các quần thể đặc biệt như trẻ em hoặc bệnh nhân suy thận.

Ở cấp độ quản lý, kết quả từ mô hình PK là một phần quan trọng trong hồ sơ đăng ký thuốc, giúp cơ quan thẩm định đánh giá tính hợp lý của chế độ liều và cảnh báo an toàn.

Hạn chế và thách thức của mô hình PK

Mặc dù rất hữu ích, mô hình dược động học vẫn chỉ là sự đơn giản hoá của thực tế sinh học phức tạp. Các giả định trong mô hình có thể không hoàn toàn phản ánh cơ chế sinh lý, đặc biệt khi dữ liệu hạn chế. Do đó, việc diễn giải kết quả cần được đặt trong bối cảnh giả định của mô hình.

Một thách thức khác là nguy cơ ngoại suy quá mức, khi mô hình được sử dụng để dự đoán ngoài phạm vi dữ liệu ban đầu. Điều này có thể dẫn đến sai lệch đáng kể nếu các điều kiện sinh học thay đổi. Việc hiểu rõ giới hạn áp dụng của mô hình là yêu cầu bắt buộc trong thực hành khoa học.

Tài liệu tham khảo

1. U.S. Food and Drug Administration (FDA). Population Pharmacokinetics: Guidance for Industry, 2022. https://www.fda.gov/media/155925/download
2. European Medicines Agency (EMA). Guideline on Reporting the Results of Population Pharmacokinetic Analyses, 2007. https://www.ema.europa.eu
3. Mould DR, Upton RN. Introduction to pharmacokinetic modeling methods. CPT: Pharmacometrics & Systems Pharmacology, 2013. https://pmc.ncbi.nlm.nih.gov
4. Sager JE et al. Physiologically based pharmacokinetic modeling and simulation. Pharmacological Reviews, 2015. https://www.sciencedirect.com
5. Rowland M, Tozer TN. Clinical Pharmacokinetics and Pharmacodynamics: Concepts and Applications. Wolters Kluwer, 2019.