数字化给药与治疗药物监测的未来:第 23 届 IATDMCT 大会洞见
当涉及到药物时,核心的临床挑战通常可以归结为一个关键的问题:使用多少剂量的药物以及持续多久? 长期以来,真正实现个体化医疗的愿景受制于静态且一刀切的给药方案以及过时的药代动力学 (PK) 模型:这套僵化体系难以适配生物制剂等更复杂的先进疗法以及强效新分子。 但是,如果改变我们行业的数字工具可以提供更多的时间呢? 现代数字技术集成可从根本上改变这一动态局面,使治疗药物监测 (TDM) 从“响应性测量“工具转变为主动型预测临床策略。这种数字化转型为临床医生提供了高效、准确的决策能力,同时使实验室和医院实现更佳的临床结局、降低成本,并改善患者体验。[1,2]。 这一愿景的可行性是去年在新加坡举行的第 23 届国际治疗药物监测和临床毒理学协会 (IATDMCT) 会议的中心主题之一。该活动于 9 月举行,召集了一个由业内顶尖专家和战略先锋组成的精英小组,精确展示这些工具如何落地应用。 Lab Insights 团队从四场精彩报告中梳理出关键要点,呈现了 TDM 与临床毒理学数字化的多维路径,并进一步印证其在迈向个体化照护中的价值。其中: Amy Legg 博士探索了人工智能 (AI) 和大数据在重塑 TDM 研究中的战略作用,强调了对动态预测模型的需求。她的工作植根于临床药学和抗菌管理,突出了将研究嵌入数字电子健康记录 (EHR) 系统的潜力,以解决罕见的药物相互作用到群体特异性 PK 中的复杂临床问题。 Tomoyuki Yamada 博士展示了如何利用大量真实世界数据来源 (RWD) 提供关键的安全性信号并推进毒理学和药物监测的临床实践。作为领导药物警戒工作的药剂师主管,Yamada 博士的案例研究(例如:评估达托霉素-他汀相互作用和评估随访 TDM 以减少万古霉素毒性)证明了 RWD 分析对患者结果的切实影响。 Dirk Jan Moes 博士详细介绍了肿瘤学中复杂生物制剂的模型引导的精准给药 (MIPD) 的战略应用,强调了集成数字系统的可量化财务和临床益处。作为临床药效学副教授,Moes 博士专注于 MIPD 策略如何使特定生物制剂(包括达雷木单抗和纳武利尤单抗)的给药个体化,以减轻财务困难并减少临床毒性。 Tomoyuki Mizuno 博士展示了机器学习 (ML) 和集成决策支持仪表板的尖端应用,以促进超精密度给药,特别是在具有挑战性的儿科患者护理环境中。Mizuno […]





