成人异基因造血干细胞移植中抗胸腺细胞球蛋白现有及新型给药策略的评估

《CPT: Pharmacometrics & Systems Pharmacology》：Evaluation of Current and Novel Dosing Strategies for Anti-Thymocyte Globulin in Adult Allogeneic Hematopoietic Stem Cell Transplantation

　　摘要

抗胸腺细胞球蛋白（ATG）是一种多克隆抗体，用于预防异基因造血干细胞移植中的移植物抗宿主病（GVHD）。尽管最近的研究通过群体药代动力学建模试图理解药代动力学-药效学关系，但在临床实践中，剂量仍然主要基于体重，并且很大程度上是经验性的。本研究使用蒙特卡洛模拟和包含10,000名代表性成年患者的计算机模拟群体，评估了传统的和新型的ATG给药方案。通过经验贝叶斯估计和优化函数，研究了个体化的ATG给药。计算了移植后的暴露量，并确定了每种方案达到目标概率。没有一种传统的ATG给药方案能够使超过25%的患者剂量处于60–95 AU·day/mL的预定治疗范围内，其中总ATG剂量为4–5 mg/kg的方案达到目标的概率最高。剂量优化方法仅能将目标达成率提高最多7%。在所有情况下，个体化药代动力学参数的经验贝叶斯估计效果较差，五个参数中有三个的收缩率超过30%。这些发现表明，通过模型指导的精确给药来提高ATG的目标达成率在造血干细胞移植受者中可能不会带来临床益处。需要进一步研究影响ATG药代动力学参数的因素，以实现剂量个体化和治疗优化。

研究亮点

- 目前关于这一主题的知识是什么？

- 抗胸腺细胞球蛋白（ATG）的给药在异基因造血干细胞移植（allo-HSCT）中是非标准化的，基于各个中心的经验。ATG具有复杂的药代动力学特性和狭窄的治疗指数。

- 本研究使用群体药代动力学模型评估了传统给药方案，并设计了替代的剂量优化方案以改善药代动力学目标的达成。这项研究为我们增加了哪些知识？

- 模拟表明，大多数allo-HSCT患者使用传统给药方法难以达到ATG的治疗暴露量。模型的复杂性使得在适当的临床时间框架内无法使用经验贝叶斯估计来优化ATG暴露量，因此个体化给药可能无效。这可能会如何改变药物发现、开发和/或治疗？

- 本研究展示了利用群体药代动力学来评估临床实践中治疗药物使用的重要性。尽管当前的做法不佳，但进一步研究确定影响ATG药代动力学的额外协变量可以更准确地确定参数并进行剂量个体化。

1 引言

异基因造血干细胞移植（allo-HSCT）是许多血液系统恶性肿瘤的治愈性治疗方法。抗胸腺细胞球蛋白（ATG）是一种强效且持久的免疫抑制抗体，在allo-HSCT中与预处理化疗联合使用，以在体内清除供体和受体的T淋巴细胞，从而降低移植物抗宿主病（GVHD）的风险和严重程度。然而，ATG的使用可能会延迟免疫重建，抑制移植物抗肿瘤效应，并增加感染并发症的风险。因此，ATG的剂量需要谨慎平衡；过高的剂量会由于过度抑制T淋巴细胞和相关的细胞介导的免疫过程而导致疾病复发或感染，而剂量过低则无法有效预防GVHD。尽管ATG一直显示出降低GVHD发生率的效果，但在随机化条件下，其总体生存益处并不明显，这可能是由于这些相关的不良反应[1-7]。因此，尚未建立标准的ATG给药方案，世界各地的移植中心采用了多种基于体重的给药策略。随着越来越多的证据表明，移植后使用环磷酰胺（PTCY）可能是预防来自无关供体的allo-HSCT中GVHD的更有效疗法[8]，ATG的剂量优化可能会改善临床结果，从而证明其在该患者群体中的持续使用是合理的。自ATG首次引入以来，实际中的给药剂量已经发生了显著变化。早期的随机研究使用的ATG剂量远高于大多数现代给药方案中的剂量，相应的感染和复发发生率也更高[9]。过去十年的共识建议试图提供关于ATG适应症和剂量的指导，但承认临床使用仍然高度制度化，方案受到各个中心经验和当地实践的严重影响[10-12]。ATG剂量在不同机构之间甚至同一机构内部的差异可能是由于移植方式（包括预处理的强度）、干细胞供体来源和患者疾病状态的差异[13]。ATG剂量的复杂性还受到不同制剂之间效力和效用的差异的影响，两种常用的兔源ATG制剂用于GVHD预防：Thymoglobulin（Sanofi，法国巴黎）和ATLG Grafalon（前身为ATG-Fresenius；Neovii，瑞士Rapperswil）。本研究中提到的所有ATG剂量和药代动力学数据均指Thymoglobulin品牌兔源ATG。ATG是一种多克隆抗体，因此并非所有抗体成分都对人类细胞具有药理活性，导致活性结合部分与总ATG浓度不同[14]。虽然活性和非活性ATG都通过蛋白水解降解被动清除，但活性部分主要通过靶标介导的药物分布（TMDD）在靶细胞（主要是T淋巴细胞）凋亡后消除。因此，总ATG的半衰期长且变化很大，与人类免疫球蛋白相当，记录为15–30天[15-18]，而活性ATG的半衰期较短，研究表明在allo-HSCT患者中约为6–12天[18-21]。因此，ATG在干细胞输注后的快速清除依赖于两个内在途径，必须考虑个体的内源性酶活性和足够的靶标受体可用性[22]。ATG的药代动力学-药效学（PK-PD）指数已经得到表征，初步研究将干细胞输注日或移植后的ATG血清浓度与改善的临床结果相关联[23-25]。最近，各种研究团队使用ATG暴露量（即使用非房室方法[16, 26, 27]或通过群体药代动力学建模[28-30]计算的曲线下面积（AUC）来优化结果。建立明确的剂量-暴露关系可以描述通过适当剂量个体化可能实现的药代动力学目标范围。在非清髓性化疗处理的成人allo-HSCT中，每天60–95任意单位（AU）的活性ATG暴露目标范围已被证明可以改善总体生存率[29]，尽管在其他人群中也描述了其他目标[26, 27, 31, 32]，但这是迄今为止ATG提供最大益处的相对狭窄治疗指数的最清晰例子。本研究旨在提供证据以支持allo-HSCT患者中ATG的最佳给药。具体来说，使用群体药代动力学方法，研究了各种传统基于体重的ATG给药方案在代表性患者群体中达到治疗暴露的能力。此外，还评估了一种利用稀疏采样和贝叶斯预测的剂量优化策略，以评估模型指导的精确给药（MIPD）作为实现个体化ATG给药的选项。

2 方法

2.1 群体药代动力学模型

使用了Admiraal等人[28, 29]开发的ATG群体药代动力学模型，并在R（版本4.2.1，R Foundation for Statistical Computing，奥地利维也纳）中实现，该模型使用了mrgsolve包[33]，这是一个用于蒙特卡洛模拟的常微分方程（ODE）求解器。该模型根据两室模型描述ATG的药代动力学，包括向外周室的饱和分布以及从中室的同时进行的一级和饱和消除。模型中的重要协变量包括影响一级清除的绝对淋巴细胞计数（ALC）和影响清除和中央室体积参数的总体重。模型的示意图见图1。

2.2 模拟患者群体

构建了一个包含10,000名代表性患者的计算机模拟患者群体。患者变量来自机构数据，并从正态分布的体重范围（75 kg，σ = 17.5）和对数正态分布的ALC范围（0.2 × 10^9/L，σ = 0.44）中随机抽样。体重值极端低于40 kg或高于140 kg的个体未被纳入分析。鉴于大多数移植中心在首次给予ATG之前会进行预处理化疗，因此有意将中位数ALC设置得较低，以考虑化疗引起的淋巴细胞减少。通过从模型指定的五个药代动力学变量（CL、V1、Tm、Vmax和Km）的omega值随机分配ETA值来估计个体差异。每个个体在每个给药方案中模拟一次，观测值中的残余未解释变异通过sigma误差纳入。

2.3 给药方案

寻找了使用不同总剂量的ATG给药方案。通过对主要文献、机构指南和已发表的共识建议的彻底搜索，生成了来自世界各地的各种方案，以及一些可以视为历史性或已被替代的方案进行比较（表1）。此外，还设计了结合ATG治疗药物监测（TDM）的各种新型方案，以研究MIPD的可能性。在选择这些方案时，目的是探索所有可能的剂量方案，以确定哪些策略最有效。研究了结合早期给药的各种当前实践原则的迭代，涵盖了临床可接受范围内的剂量，以优化采样时间并改善药代动力学参数的确定。这些方案包括1–4天的初始ATG给药，随后是休息日进行理论采样和检测分析，最后在Day ?1得出算法优化的最终剂量（见下文）。首次ATG给药的日子设定为不早于Day ?7，假设预处理化疗可以在ATG之前进行，几乎不需要或不需要临床实践的改变。ATG按照体重以6小时输注的方式给药。

表1. 模拟的传统和基于MIPD的ATG给药方案总结

| 方案 | ATG剂量（mg/kg） | 总剂量（mg/kg） |
|-----------------|-----------------|-----------------|
| Takahashi等人 [34] | 1.25 | 1.25 |
| eviQ [35] | 0.5 | 2 |
| Walker等人 [4] | 0.5 | 2 |
| Modi等人 [36] | 0.5 | 1.5 |
| Baron等人 [11] | 2.5 | 2.5 |
| Ruutu等人 [10] | 2.5 | 2.5 |
| Bacigalupo等人 [1] | 3.75 | 3.75 |
| 基于MIPD的方案 | 1 | 0.5 mg/kg D-7, 1 mg/kg D-2 |
| | 0.5 | 2 |
| | 1 | 0.5 mg/kg D-5, 1 mg/kg D-2 |
| | 1 | 3 | 1.5 mg/kg D-7, D-6, D-5 |
| | 1 | 1 | 2.5 |
| | 1 | 4 | 2.5 |
| | 1 | 2 | 4.5 |
| | 1 | 1 | 2 |
| | 3 | 1.5 mg/kg D-7, D-6 |
| | 1 | 2 | 2.5 |
| | 1 | 5 | 1 |
| | 1 | 1 | 1 |
| | 6 | 2 | 2 |
| | 2 | 2 | 4 |
| | 7 | 4 | 3 |
| | 3 | 0.5 mg/kg D-7, 4 |
| | 3 | 3 | 4 |
| | 9 | 0.5 mg/kg D-7, 4 |
| | 10 | 0.5 mg/kg D-6, 3 |

注：还研究了Admiraal等人[29]中描述的一种基于ALC的理论方案，其中给定的剂量为Day ?9, ?8, ?7 & ?6的100 + 87.5*ALC（mg）（总剂量 = 400 + 350*ALC）。

2.4 ATG暴露量的计算

从第一次ATG给药后到移植后Day +100，对浓度和累积暴露量进行了建模。使用AUC量化ATG暴露量。计算了总暴露量（AUCtotal）和移植后暴露量（AUC100d，定义为Day 0干细胞输注后的AUC）。第100天被确定为浓度测量的适当结束日，因为此时98%的模拟患者已经清除了ATG（报告的浓度值低于定量下限），并且进一步的测量在AUC上没有产生实际差异。

2.5 药代动力学目标达成的评估

将个体AUC100d数据汇总，以确定每种给药方案的累积目标达成率占总人口的比例。评估AUC100d在定义的移植后目标AUC范围60–95 AU·day/mL内的个体比例，作为方案性能的指标。超出治疗范围的AUC结果按高于范围上限10%或低于范围下限10%的增量进行分层，直到高于或低于范围50%。结果超过参考范围50%的被分类为非常低或非常高治疗水平，反映了临床结果较差的最高风险个体。

2.6 基于模拟模型的精确给药

对每种MIPD方案尝试了多种采样方案，包括密集采样和稀疏采样计划。使用在预定采样时间点的浓度-时间数据，使用NONMEM 7.5.1（ICON Development Solutions，Ellicott City，MD，美国）进行个体药代动力学参数的经验贝叶斯估计。作为比较，所有用于剂量优化的给药方案都包括一个标准密集方案，即在第一次给药后进行一次峰值采样，然后每天采样两次，直到第-2天（6-10次采样）。这种实用解决方案旨在平衡临床可行性约束与在有限的采样时间内获得足够数据密度的需求。然后将个体药代动力学参数值设置为从NONMEM获得的经验贝叶斯估计值。使用这些参数，为每个个体模拟估计的AUC100d；然后应用在R中设计的优化函数，以找到在干细胞输注前一天（第-1天）的最佳ATG剂量，以最小化估计的AUC与固定目标75 AU·day/mL之间的差异，即治疗范围的中点。然后将剂量优化方案的AUC100d和目标达成比例与基于标准体重的对照方案进行比较，以确定MIPD的潜在益处。计算每个参数向群体均值的ETA收缩，以调查估计的可靠性。

3 结果

3.1 常规基于体重的给药方案

每种常规方案的浓度-时间曲线和移植后累积AUC见图S1。所有评估方案中ATG清除的中位时间为22天，而移植时的中位最大浓度和浓度分别为11.6 AU/mL和8.2 AU/mL。没有一种既定的给药方案能够有效地将大多数患者的剂量控制在60–95 AU·day/mL的治疗暴露范围内（图2）。使用总剂量为4.5–5 mg/kg的方案显示出最高的治疗目标达成概率，所有方案的目标达成概率约为25%，剂量不足和过量的比率大致相当。这些方案都能适当地为中等体重的患者给药（图3），但AUC100d的变异性导致大多数患者剂量不适当。

3.2 优化给药方案

与当前给药方案或对照方案相比，MIPD并没有显著提高目标达成率。图4显示了评估的每种MIPD方案选定的优化采样方案。在所有方案中，剂量优化显示治疗目标达成率的绝对改善小于10%，总目标达成率为24%–32%。这些方案显示出比常规给药方案更低的超过50%过量的发生率，但以较高的剂量不足率为代价。表现最好的MIPD方案是在第-7天给予0.5 mg/kg的初始剂量，并在5天内进行10次采样。除了初始方案外，所有方案还包括在第-1天的个性化ATG剂量。在五个模型药代动力学参数CL、Vmax和Km中，一致观察到显著的ETA收缩，大多数评估的MIPD方案中收缩率≥50%（表2）。这也通过图5图形化表示，该图显示了正常模拟与最佳给药方案估计值之间的ETA分布差异。

3.2 优化给药方案

与当前给药方案或对照方案相比，MIPD并没有显著提高目标达成率。图4显示了评估的每种MIPD方案选定的优化采样方案。在所有方案中，剂量优化显示治疗目标达成率的绝对改善小于10%，总目标达成率为24%–32%。这些方案显示出比常规给药方案更低的超过50%过量的发生率，但以较高的剂量不足率为代价。表现最好的MIPD方案是在第-7天给予0.5 mg/kg的初始剂量，并在5天内进行10次采样。除了初始方案外，所有方案还包括在第-1天的个性化ATG剂量。在五个模型药代动力学参数CL、Vmax和Km中，一致观察到显著的ETA收缩，大多数评估的MIPD方案中收缩率≥50%（表2）。这也在图5中图形化表示。

4 讨论

本研究代表了一种基于模型的新方法，使用模拟方法评估ATG的最佳给药策略。当前基于体重的方案和剂量个性化方案在大多数模拟患者中都无法达到验证的暴露目标，这突显了在异体HSCT中有效给药ATG的难度，并反映了当前文献中关于其益处的不确定性。尽管如此，仍需要优化ATG的剂量；虽然在这种情况下MIPD未能显著提高目标达成率，但严重过量的减少表明通过进一步研究仍可以实现优化。在当前实践中，ATG的给药完全依赖于基于体重的给药，但从药代动力学的角度来看，这是不合逻辑的，因为大分子抗体通常在脂肪组织中的渗透性较差，分布体积较低[37]。在模型中，体重在影响清除率方面的作用可以忽略不计，一旦体重超过50 kg，模拟显示只有非常大的体重变化才能改变中位暴露量，这纯粹是由于体重影响了给药量。这对于接受ATG的肥胖患者的基于体重的给药具有重要意义，并表明理想体重可能是成人群体中更合适的剂量衡量标准[30]。已经假设基于ALC的给药方案[29]作为基于体重的给药的替代方案。虽然它能够正确地为中等体重的患者给药，但其治疗目标达成率较低，且显著剂量不足的比率较高。调整模型协变量以确定其对暴露的影响并未导致目标达成率的相关变化。对于每10 kg的体重变化，中位AUC100d大约变化10 AU·day/mL，尽管这在极端体重情况下除外（图S2）。同样，ALC仅在中位ALC值远高于2.0 × 10^9/L时影响累积暴露量和目标达成率（图S3）。

4 讨论

本研究提出了一种基于模型的新方法，使用模拟方法评估ATG的最佳给药策略。当前基于体重的方案和剂量个性化方案在大多数模拟患者中都无法达到验证的暴露目标，这突显了在异体HSCT中有效给药ATG的难度，并反映了现有文献中关于其益处的不确定性。尽管如此，仍需要优化ATG的剂量；虽然MIPD在这种情况下未能显著提高目标达成率，但严重过量的减少表明通过进一步研究仍可以实现优化。在当前实践中，ATG的给药完全依赖于基于体重的给药，但从药代动力学的角度来看，这是不合逻辑的，因为大分子抗体通常在脂肪组织中的渗透性较差，分布体积较低[37]。在模型中，体重在影响清除率方面的作用可以忽略不计。一旦体重超过50 kg，模拟显示只有非常大的体重变化才能改变中位暴露量，这纯粹是由于体重影响了给药量。这对于接受ATG的肥胖患者的基于体重的给药具有重要意义，并表明理想体重可能是成人群体中更合适的剂量衡量标准[30]。已经假设根据ALC进行给药可能是实现目标介导的ATG剂量个性化的潜在方法[29, 38]。II期PARACHUTE研究[39]表明，根据包含体重、ALC和干细胞来源的模型衍生的PK-PD给药图表给药的儿科患者，免疫重建时间有所改善。然而，ATG是在化疗前给予的，因此患者的ALC值范围可能比本研究中看到的要广，本研究中模拟的个体具有均匀较低的ALC值，反映了现实世界的临床情况。所使用的儿科模型还包括CL和V1之间的协方差[40]，这在后来的儿科-成人联合模型开发中并未得到支持，这也可能有助于减少变异性。在本研究中，需要中位ALC增加十倍才能显著影响中位AUC100d和目标达成率。由于ATG通常在调理化疗期间或之后给予[13]，ALC不太可能成为当前临床实践中ATG剂量的有效驱动因素[41]。Admiraal等人[29]发布的模型参数中观察到的个体间变异性表明，模型协变量本身不足以充分描述个体间的药代动力学差异。在这种情况下，通常需要TDM来提供有关个体变异性的额外数据，并允许剂量个性化。最近的研究表明，使用TDM进行ATG的剂量优化在利用早期儿科模型的儿科队列中有效实现了目标达成[42]。然而，在本研究中，经验贝叶斯估计无法充分预测ETA值，使得剂量优化非常困难。在估计参数中观察到的显著ETA收缩通常出现在使用稀疏采样的情况下，其中数据未能提供足够的参数信息[43]，因此在优化中错误地最小化了个体间变异性。在五个模型药代动力学参数（CL、Vmax和Km）中的三个参数中观察到显著的收缩（定义为>30%），这些参数代表线性和非线性（Michaelis–Menten）消除。在模型定义和贝叶斯预测之间比较药代动力学参数的分布时，可以看到模型分布（红色密度）和贝叶斯估计值（蓝色直方图）（a）以及ETA分布（b）。面板a中的红色虚线代表典型参数值。延长采样时间对估计和目标达成率有最大的积极影响。将采样次数从每天两次增加到每天四次仅导致目标达成率和ETA收缩率的非常轻微的改善（数据未呈现）。总体而言，使用较低初始剂量的MIPD方案更能预测非线性消除，Vmax和Km的收缩率相对较低，而使用较高初始剂量的方案则更能预测线性清除率，但代价是难以确定非线性清除率。为了确定有效贝叶斯估计所需的采样强度和时间框架，进行了事后分析，包括每1.5小时、3小时和6小时采样的密集采样方案。在这些理论方案中，个体首先接受ATG给药，然后采样最多64天，以便在假设的“剂量优化”之前提高PK参数预测的准确性，以比较使用所获得的参数所能达到的目标达成率。只有在超过8天的密集采样后，才能看到目标达成率超过50%的参数预测，而在超过25天的密集采样后，最佳目标达成率才超过80%（图S4）。

这项研究代表了一种基于模型的新方法，使用模拟方法评估ATG的最佳给药策略。当前基于体重的方案和剂量个性化方案在大多数模拟患者中都无法达到验证的暴露目标，这突显了在异体HSCT中有效给药ATG的难度，并反映了现有文献中关于其益处的不确定性。尽管如此，仍需要优化ATG的剂量；虽然MIPD在这种情况下未能显著提高目标达成率，但严重过量的减少表明通过进一步研究仍可以实现优化。在当前实践中，ATG的给药完全依赖于基于体重的给药，但从药代动力学的角度来看，这是不合逻辑的，因为大分子抗体通常在脂肪组织中的渗透性较差，分布体积较低[37]。在模型中，体重在影响清除率方面的作用可以忽略不计，一旦体重超过50 kg，模拟显示只有非常大的体重变化才能改变中位暴露量，这纯粹是由于体重影响了给药量。这对于接受ATG的肥胖患者的基于体重的给药具有重要意义，并表明理想体重可能是成人群体中更合适的剂量衡量标准[30]。已经假设根据ALC进行给药可能是实现目标介导的ATG剂量个性化的潜在方法[29, 38]。II期PARACHUTE研究[39]表明，根据包含体重、ALC和干细胞来源的模型衍生的PK-PD给药图表给药的儿科患者，免疫重建时间有所改善。然而，ATG是在化疗前给予的，因此患者的ALC值范围可能比本研究中看到的要广，本研究中模拟的个体具有均匀较低的ALC值，反映了现实世界的临床情况。所使用的儿科模型还包括CL和V1之间的协方差[40]，这在后来的儿科-成人联合模型的开发中并未得到支持，这也可能有助于减少变异性。在本研究中，需要中位ALC增加十倍才能显著影响中位AUC100d和目标达成率。由于ATG通常在调理化疗期间或之后给予[13]，ALC不太可能成为当前临床实践中ATG剂量的有效驱动因素[41]。Admiraal等人[29]发布的模型参数中观察到的个体间变异性程度表明，模型协变量本身不足以充分描述个体间的药代动力学差异。在这种情况下，通常需要TDM来提供有关个体变异性的额外数据，并允许剂量个性化。最近的研究表明，使用TDM进行ATG的剂量优化在利用早期儿科模型的儿科队列中实现了目标达成[42]。然而，在本研究中，经验贝叶斯估计无法充分预测ETA值，使得剂量优化非常困难。在估计参数中观察到的显著ETA收缩通常出现在使用稀疏采样的情况下，其中数据未能提供足够的参数信息[43]，因此在优化中错误地最小化了个体间变异性。在五个模型药代动力学参数（CL、Vmax和Km）中的三个参数中观察到显著的收缩（定义为>30%），这些参数代表线性和非线性（Michaelis–Menten）消除，并驱动移植后的ATG暴露量，而其余参数（V1和Tm）在大多数情况下几乎没有收缩。这些参数中观察到的收缩程度差异表明，贝叶斯估计可以正确确定分布，但无法准确预测ATG的清除率，而是假设所有个体的清除率相似。采用较低初始剂量的治疗方案在CL（清除率）方面的减少幅度更大，这可能是因为更多的采样浓度接近或低于定量下限（设定为0.05 AU/mL），从而降低了数据的信息价值。尽管CL估计有显著改善，但使用较高剂量的治疗方案在实现治疗目标方面并未表现得更好。这可以归因于Vmax（最大清除速率）和Km（代谢常数）的显著减少，这是由于在高浓度下非线性消除途径达到饱和状态，以及超过25%的受试者在第1天之前就已经“过量”使用药物，因此无法从剂量优化中获益。或许正因如此，基于更接近实际的多日连续给药情况的模型化治疗方案，其表现往往不如仅使用单次初始剂量的方案，无论使用的是何种剂量。值得注意的是，这些发现受到药代动力学模型结构的显著影响。需要进一步的工作来临床验证该模型，并确定参数之间是否存在实际相关性（即协方差），以支持这些发现。显示出最小减少幅度、从而实现最佳治疗目标的MIPD（多日间歇给药）方案是那些初始剂量较大且随后采样时间较长的方案。鉴于ATG（抗T细胞球蛋白）的长半衰期，这很可能是由于捕获了更多消除阶段的数据，从而实现了更准确的估计。这与之前关于儿科患者ATG采样计划确定的文献[44]结果一致，该研究表明增加采样天数比增加样本数量具有更积极的效果。虽然估计的改进和随之而来的剂量优化是可能的，但只有在接近ATG消除时间（22天）的不现实且密集的采样情况下才能实现。在本研究中，ATG的首次给药时间最早设定在D-7天，以尝试复制当前的临床实践。在临床环境中提前给药以实现TDM（治疗药物监测）并不十分可行，因为这会延长住院时间，需要在化疗前给予ATG，导致ALC（抗淋巴细胞计数）的变化，同时增加早期产生抗ATG抗体的风险，从而可能增强优化剂量的清除效果并导致治疗失败[45]。尽管存在这些挑战，但如果能够显著提高目标达成率并减轻与ATG剂量不当相关的毒性，那么实施早期测试剂量以进行贝叶斯估计和MIPD仍是一个潜在的研究方向。虽然MIPD在理论上是一种有益的ATG剂量优化方法，但仍需进一步的工作来验证和完善用于临床应用的活性ATG的人群药代动力学模型。目前，估计结果过于依赖模型的先验信息，因此受到模型参数较大变异性的显著影响。个体间的显著差异以及缺乏有影响力的协变量（特别是在非线性药物消除方面）是一个需要克服的挑战，以实现ATG的真正个性化剂量。因此，进一步的研究应探索其他具有临床相关性的协变量，这些协变量可以作为ATG清除率的替代指标，以改进模型构建并减少未解释的变异性，从而提高基于模型的剂量精确度。与所使用的模型不同，Takahashi等人[34]开发的后期ATG模型发现移植物CD4+计数是一个重要的协变量，用于衡量目标受体的可用性，而血清白蛋白和IgG被纳入作为蛋白质消除的预测因子；这在ATG药代动力学的非房室分析中也有报道[26]。文献中提到的其他可能影响ATG的协变量包括早期抗ATG抗体的存在[45]，以及影响淋巴细胞消除的遗传多态性[46]。此外，还可以探索非基于模型的ATG剂量优化方法来提高其治疗效果[47]。本研究采用了基于模拟的设计评估策略来考察临床可行的采样方案。最初尝试使用R语言中的PopED包进行D-optimal设计，但由于模型的非线性和与mrgsolve的集成问题，这在技术上难以实现。因此，回顾性地使用了PFIM来验证提出的一组采样方案。值得注意的是，所选采样方案的D准则值最高，表明在有限的采样窗口内设计得到了优化。所使用的治疗范围60–95 AU·day/mL仅在接受非常低剂量非清髓性预处理方案的成人患者群体中被证明是合适的，因此需要在其他患者群体中进行验证。针对特定患者群体还存在其他提出的治疗范围，例如在T细胞耗竭的同种异体HSCT患者中，AUC目标值应低于30 AU·day/mL[32]，或在单倍基因型移植中，AUCtotal目标值为110–148.5 AU·day/mL[27]，这表明在确定ATG的适当治疗目标范围时需要考虑供体来源和其他GVHD（移植物抗宿主病）预防措施。随着越来越多的证据支持在各种移植方式中使用PTCY（程序性细胞清除），以及单倍基因型和不匹配移植的增加，ATG的剂量优化对于确保其作为未来GVHD预防方法的相关性至关重要。尽管本研究中的MIPD未能取得成功，但值得注意的是，这种方法除了用于即时临床决策外，还提供了其他用途。使用基于模型的方法对ATG进行事后分析可以提供关于PK-PD（药代动力学-药效学）关系的宝贵见解，例如识别与毒性或GVHD相关的适当暴露阈值。即使没有实时应用，采样数据结合暴露-反应建模也可以在确定未来的个性化剂量策略方面发挥重要作用。此外，这类研究易于实施且成本效益高，因为它们不需要进行物理样本检测，而活性ATG的检测通常需要复杂的结合和提取步骤，例如使用流式细胞术[44]或液相色谱串联质谱[49]，这使得过程耗时且资源密集。因此，即使ATG的剂量个性化能够显著提高目标达成率，但在实际应用中实现这种假设的方法也是具有挑战性的，因为在实际环境中进行ATG TDM非常困难。因此，这种计算机模拟设计强调了在患者中进行采样研究之前，先评估MIPD潜在适用性的重要性。总之，ATG药代动力学参数的个体间高度变异性导致在当前临床时间框架内难以预测暴露量，限制了实现治疗目标的概率和治疗药物监测的实用性。需要进一步研究ATG的PK-PD，以确定结合相关患者因素的最佳剂量方案，从而改善接受ATG作为GVHD预防措施的患者的临床结果。

作者贡献：
E.B.撰写了手稿；E.B.和S.E.R.设计了研究；E.B.进行了研究；E.B.、T.R.M.、P.R.S.和S.E.R.分析了数据。

致谢：
作者感谢Jim Hughes和Jessica Wojciechowski在剂量优化函数编码方面的协助。

资金支持：
E.B获得了澳大利亚政府研究培训计划的奖学金。E.B衷心感谢Terry Farquharson博士药学博士学位补充奖学金对这项研究的支持。

利益冲突：
作者声明没有利益冲突。

数据可用性声明：
模型、模拟和优化代码以及生成的数据集可应要求从相应作者处获取。