약동학(PK) 모델 검증은 모델이 특정 과학적 또는 규제 목적에 적합한지 여부를 결정하는 프로세스입니다. 탐색적 용량 선택에 유용한 모델은 중추적 용량 조정, 소아 외삽 또는 약물-약물 상호작용 예측을 뒷받침하기에 충분하지 않을 수 있습니다. 따라서 검증은 사용 맥락과 분리될 수 없습니다. 핵심 질문은 모델이 절대적인 의미에서 "올바른"지 여부가 아니라 모델의 가정, 매개변수 추정 및 예측이 지원하려는 결정에 대해 충분히 신뢰할 수 있는지 여부입니다.
약동학 모델은 생물학적 시스템에서 약물 노출의 시간 경과를 설명합니다. 목적에 따라 전신 노출, 조직 농도, 제거 경로, 공변량 효과, 개인간 변동성 또는 검증되지 않은 투여 요법에 따른 노출을 추정할 수 있습니다. 일반적인 접근법에는 비구획 분석, 구획 모델링, 집단 약동학 모델링, 생리학적 기반 약동학 모델링이 포함됩니다. 각 접근 방식에는 서로 다른 가정, 데이터 요구 사항 및 검증 표준이 있습니다.
과학적 사용을 위해서는 모델을 사용하여 결정을 뒷받침하기 전에 검증을 계획해야 합니다. 여기에는 데이터 평가, 모델 구축 타당성, 진단 평가, 예측 성능 테스트, 불확실성 분석 및 한계 문서화가 포함되어야 합니다.
약동학 모델 검증의 핵심 단계
사용 상황 정의
첫 번째 단계는 모델이 어떤 용도로 사용될지 정확하게 설명하는 것입니다. 1상 연구에서 관찰된 노출을 요약하기 위한 모델은 신장 장애에 대한 용량 권장 또는 어린이 노출 예측에 사용되는 모델과는 다른 수준의 정밀 조사가 필요합니다.
사용 상황에 따라 의도된 모집단, 투여 범위, 투여 경로, 분석물질, 샘플링 설계, 종료점 및 결정 임계값을 지정해야 합니다. 또한 허용 가능한 예측 오류 수준을 정의해야 합니다. 예를 들어, 후보 제제의 순위를 매기는 데 사용되는 모델은 취약한 집단의 용량 감소를 정당화하는 데 사용되는 모델보다 더 많은 불확실성을 견딜 수 있습니다.
명확한 사용 맥락은 과도한 해석을 방지합니다. 많은 약동학 모델은 데이터에 표시된 용량, 샘플링 시간, 제형, 모집단 및 경로 범위 내에서만 유효합니다. 이러한 경계를 넘어서는 외삽에는 추가적인 정당화가 필요합니다.
데이터의 품질 및 관련성 평가
모델 검증은 데이터에서 시작됩니다. 어떤 진단 방법도 제대로 특성화되지 않았거나 편향된 관찰을 기반으로 구축된 모델을 구제할 수 없습니다.
데이터 세트는 연구 설계, 투여 정확도, 샘플링 시간, 생물분석 분석 성능, 누락된 데이터, 정량 한계 미만 관찰, 프로토콜 편차 및 연구 또는 코호트 전반의 일관성을 평가해야 합니다. 샘플링은 흡수, 분포, 최종 제거, 축적 또는 비선형 제거와 같은 모델과 관련된 약동학적 특징을 특성화하는 데 적합해야 합니다.
집단 약동학 모델의 경우 데이터 세트는 관심 있는 공변량 공간을 나타내야 합니다. 모델이 신장 장애, 간 장애, 소아 환자, 노인 또는 특정 질병 상태가 있는 환자에게 사용될 경우, 뒷받침 데이터에는 해당 그룹의 피험자가 포함되거나 외삽을 위한 방어 가능한 생물학적 근거를 제공해야 합니다.
생리학적 기반 약동학 모델의 경우 데이터 관련성에는 시스템 매개변수의 품질, 시험관 내 입력, 조직 분할 가정, 효소 또는 수송체 발현 데이터, 적격성 평가에 사용되는 임상 데이터도 포함됩니다.
생물학 및 연구 설계와 일치하는 모델 개발
모델 개발은 통계적 적합성에만 의존해서는 안 됩니다. 매개변수 추정치는 생물학적으로 타당하고, 데이터에서 식별 가능해야 하며, 알려진 약리학과 일치해야 합니다.
구획 및 집단 약동학 모델의 경우 여기에는 흡수 모델, 구획 수, 제거 구조, 가변성 항, 잔차 오류 모델 및 공변량 관계 평가가 포함됩니다. 모델의 복잡성은 데이터와 의도된 용도에 따라 정당화되어야 합니다. 매개변수를 추가하면 해석 가능성이나 예측 신뢰성이 감소하면서 적합성이 향상될 수 있습니다.
비구획 분석의 경우 가정도 확인해야 합니다. 말단 단계 선택, 곡선 아래 외삽 면적, 샘플링 적절성, 선량 비례 가정이 해석에 영향을 미칠 수 있습니다. 비구획 분석에는 가정이 필요하지 않습니다. 이는 구획 모델보다 구조적 가정을 더 적게 사용합니다.
PBPK 모델의 경우 생물학적 타당성이 특히 중요합니다. 모델은 독립적인 검토를 위해 약물 특이적 특성, 시스템 특이적 매개변수 및 기계적 가정을 충분히 자세하게 설명해야 합니다.
모델 구현 확인
예측 성능을 평가하기 전에 모델 구현을 확인해야 합니다. 코딩 오류, 단위 불일치, 부정확한 용량 기록, 잘못 할당된 샘플링 시간 또는 공변량 처리 오류로 인해 겉보기에는 그럴듯하지만 유효하지 않은 결과가 발생할 수 있습니다.
검증에는 독립적인 코드 검토, 주요 결과 재현, 시뮬레이션 확인, 가능한 경우 분석 솔루션과의 비교, 입력 데이터 세트 검사가 포함될 수 있습니다. 단위는 농도, 용량, 청소율, 부피, 시간, 체중 및 생체 이용률 전반에 걸쳐 일관되어야 합니다. 이 단계는 기본이지만 피할 수 있는 많은 오류를 방지합니다.
고급 평가 및 진단 방법
진단 평가 수행
내부 진단은 모델이 개발 데이터 세트를 적절하게 설명하는지 여부를 평가합니다. 이러한 진단은 체크리스트로 취급되기보다는 함께 해석되어야 합니다.
적합도 플롯은 관측된 농도를 모집단 및 개별 예측과 비교하는 데 일반적으로 사용됩니다. 잔차 도표는 시간, 농도, 용량, 연구, 경로 또는 공변량 값에 따른 편향을 나타낼 수 있습니다. 조건부 가중 잔차, 정규화된 예측 분포 오류 또는 관련 진단은 모델의 잘못된 사양을 감지하는 데 도움이 될 수 있습니다.
모수 정밀도는 신뢰 구간, 표준 오차, 부트스트랩 방법, 샘플링 중요도 재샘플링, 베이지안 사후 구간 또는 기타 적절한 방법을 사용하여 평가해야 합니다. 잘못 추정된 매개변수는 여전히 관찰된 데이터 내에서 보간을 허용할 수 있지만 시뮬레이션 기반 예측을 신뢰할 수 없게 만들 수 있습니다.
개별 경험적 베이즈 추정치 및 관련 진단을 해석할 때 수축을 고려해야 합니다. 수축률이 높으면 모델의 잘못된 사양이 모호해지고 개인 수준의 결론이 약화될 수 있습니다.
예측 성능 평가
예측 검사는 모델이 데이터의 임상적으로 관련된 특징을 재현할 수 있는지 여부를 테스트합니다. 적절한 방법은 모델 유형과 사용 목적에 따라 다릅니다.
시각적 예측 점검은 관찰된 농도-시간 데이터를 시뮬레이션된 예측 구간과 비교합니다. 예측 수정 시각적 예측 검사는 연구에 다양한 용량, 샘플링 일정 또는 공변량 분포가 포함된 경우 유용합니다. 사후 예측 검사, 정규화된 예측 분포 오류 및 시뮬레이션 기반 진단도 유용할 수 있습니다.
평가는 결정과 관련된 수량에 초점을 맞춰야 합니다. 투여에 사용되는 모델은 AUC, 최대 농도, 최저 농도, 축적 비율 또는 역치 초과 시간과 같은 노출 지표에 대해 적절하게 평가되어야 합니다. 모델은 농도-시간 데이터의 중심 경향에 적합할 수 있지만 여전히 분포의 임상적으로 중요한 꼬리를 제대로 예측하지 못합니다.
노출이 안전 임계값을 초과하는지 여부와 같은 범주형 결정의 경우 예측 위험의 보정은 평균 농도 오류보다 더 중요할 수 있습니다.
가능한 경우 외부 검증 사용
외부 검증은 모델을 구축하는 데 사용되지 않은 데이터와 비교하여 모델을 평가합니다. 외부 데이터 세트가 의도된 용도와 관련이 있는 경우 이는 모델 성능에 대한 가장 강력한 테스트 중 하나입니다.
외부 데이터 세트는 별도의 임상 연구, 독립적인 코호트, 다른 용량 수준, 다른 제형 또는 모델 개발에 포함되지 않은 모집단에서 나올 수 있습니다. 검증 데이터세트는 개발 데이터세트와의 차이점을 포함하여 명확하게 설명되어야 합니다. 불일치를 무시해서는 안 됩니다. 누락된 공변량, 제제 효과, 비선형 동역학, 분석 차이, 준수 문제 또는 약동학의 질병 관련 변화를 밝힐 수 있습니다.
외부 검증이 항상 가능한 것은 아니며, 특히 개발 초기에는 더욱 그렇습니다. 실현 가능하지 않은 경우 제한 사항을 명시해야 하며 교차 검증, 부트스트래핑, 시뮬레이션 진단 또는 전향적 모델 업데이트와 같은 대체 접근 방식을 사용할 수 있습니다. 이러한 방법은 유용하지만 독립적인 외부 검증과 동일하지 않습니다.
불확실성과 민감도를 정량화
검증된 모델에는 불확실성 평가가 포함되어야 합니다. 점 예측만으로는 과학적 의사결정에 충분하지 않습니다.
불확실성은 모수 추정, 잔차 변동성, 개인간 변동성, 구조적 가정, 공변량 효과, 분석 오류 및 관찰된 데이터 이상의 추정으로 인해 발생할 수 있습니다. 시뮬레이션은 전형적인 예측만을 제시하기보다는 관련된 불확실성의 원인을 전파해야 합니다.
민감도 분석은 예측이 잘 알려지지 않은 매개변수나 기계적 가정에 의존하는 경우 특히 중요합니다. PBPK 모델에서 여기에는 비결합 분획, 고유 제거, 투과성, 조직 분할, 효소 풍부도, 수송체 활성 또는 생리학적 매개변수에 대한 민감도가 포함될 수 있습니다. 집단 약동학 모델에서는 공변량 효과에 대한 민감도, 흡수 가정 또는 잔차 오류 구조가 포함될 수 있습니다.
목표는 어떤 가정이 결론에 실질적으로 영향을 미치는지 식별하는 것입니다. 타당한 매개변수 값이 변경될 때 투여 권장사항이 변경되면 해당 불확실성이 표시되어야 합니다.
특별 시나리오 및 문서화 표준
특수 집단 및 투여 경로 평가
약동학 모델은 데이터에 나타나지 않은 모집단이나 투여 경로에서 유효하다고 가정해서는 안 됩니다.
특수 집단에는 소아 환자, 노인, 임신부, 신장 또는 간 장애가 있는 환자, 중증 환자 또는 단백질 결합, 염증, 장기 관류 또는 수송체 활동이 변경된 환자가 포함될 수 있습니다. 이러한 그룹의 검증에는 전용 임상 데이터, 연결 전략 또는 기계적 타당성이 필요할 수 있습니다.
투여 경로도 중요합니다. 경구, 정맥내, 흡입, 척수강내, 뇌실내, 비강내, 피하 및 기타 경로는 흡수 동역학, 생체 이용률, 조직 분포 및 국소 노출이 다를 수 있습니다. 한 경로를 위해 개발된 모델은 관련 프로세스가 적절하게 표현된다는 증거 없이 다른 경로에 적용되어서는 안 됩니다.
중추신경계 전달 또는 코-뇌 전달과 같은 표적 전달 접근법의 경우 과학적 문제가 국소 조직 노출에 관한 경우 전신 혈장 농도가 모델을 검증하는 데 충분하지 않을 수 있습니다. 이러한 경우 검증 전략은 해당 추론의 불확실성과 함께 조치 현장에서 측정되거나 추론된 노출을 다루어야 합니다.
문서 모델 제한 사항
엄격한 검증 보고서는 모델이 지원할 수 있는 것과 지원할 수 없는 것을 설명해야 합니다. 여기에는 데이터 소스, 가정, 매개변수 추정, 진단, 검증 데이터 세트, 예측 성능, 불확실성 분석, 소프트웨어, 코드 버전 및 재현성 절차가 포함됩니다.
제한사항은 구체적이어야 합니다. 예를 들어, "모델은 200mg 이상에서 검증되지 않았습니다.", "소아 예측은 성인 청소율 측정에서 추정되었으며 임상적으로 확인되지 않았습니다." 또는 "흡수 단계가 드물게 샘플링되므로 최대 농도까지의 시간 추정치는 불확실합니다." 그러한 진술은 모델이 신뢰할 수 있다는 광범위한 주장보다 더 유용합니다.
명확한 문서를 통해 다른 과학자, 검토자 및 의사 결정자는 모델이 목적에 적합한지 판단할 수 있습니다.
실용적인 검증 프레임워크
방어 가능한 약동학 모델 검증 작업 흐름에는 일반적으로 다음 요소가 포함됩니다.
- 컨텍스트 정의:사용 상황과 결정 기준을 정의합니다.
- 데이터 평가:데이터 품질, 관련성, 대상 집단 및 투여 조건의 적용 범위를 평가합니다.
- 생물학적 타당성:식별 가능한 매개변수를 사용하여 생물학적으로 그럴듯한 모델을 개발합니다.
- 구현 검증:데이터 세트, 코드, 단위 및 모델 구현을 확인합니다.
- 내부 진단:잔차 분석 및 매개변수 정밀도 평가를 포함한 내부 진단을 수행합니다.
- 예측 성능:시뮬레이션 기반 검사를 사용하여 예측 성능을 평가합니다.
- 외부 검증:가능한 경우 외부 데이터에 대해 모델을 테스트합니다.
- 불확실성 정량화:불확실성을 정량화하고 민감도 분석을 수행합니다.
- 시나리오 평가:특수 모집단, 경로, 공식 및 외삽 시나리오를 별도로 평가합니다.
- 선적 서류 비치:가정, 제한, 재현성 절차를 문서화합니다.
결론
약동학 모델을 검증한다는 것은 모델이 의도된 용도에 적합하다는 것을 입증하는 것을 의미합니다. 이 과정에서는 관찰된 농도 데이터에 잘 맞는 것 이상이 필요합니다. 이를 위해서는 관련 데이터, 생물학적으로 그럴듯한 가정, 검증된 구현, 진단 평가, 예측 확인, 불확실성 분석 및 모델 경계에 대한 명확한 문서가 필요합니다.
과학적 및 규제적 결정의 경우 가장 강력한 검증 전략은 모델을 지원하는 결정에 직접 연결하는 것입니다. 모델은 모델이 사용될 모집단, 선량 범위, 경로 및 임상 환경에서 허용 가능한 정확성과 불확실성으로 관련 노출 지표를 예측하는지 여부에 따라 판단되어야 합니다.
FAQ
Q: PK 모델링에서 내부 검증과 외부 검증의 주요 차이점은 무엇입니까?
A: 내부 검증은 모델이 구축하는 데 사용된 데이터를 얼마나 잘 설명하고 재현하는지 평가하는 반면(적합도 플롯 및 시각적 예측 검사와 같은 방법 사용), 외부 검증은 모델 개발 중에 포함되지 않은 완전히 독립적인 데이터 세트에 대해 모델의 예측 성능을 평가합니다.
Q: 약동학 모델 검증에 사용 맥락이 중요한 이유는 무엇입니까?
A: 절대적으로 올바른 모델은 없기 때문입니다. 초기 단계 연구에서 탐색적 용량 선택에 충분히 견고한 모델은 소아 외삽이나 장기 손상에 대한 용량 조정과 같은 중요한 규제 결정을 뒷받침하는 데 필요한 정밀도나 생리학적 가정이 부족할 수 있습니다.
참고자료
1. 산업계 지침: 인구 약동학. 미국 보건복지부, 식품의약국(FDA).
2. 생리학적 기반의 약동학적 분석 - 업계를 위한 형식 및 내용 지침. FDA.
