Automated modeling of population pharmacokinetic models using nlmixr2auto: a clinical trial and real-world data study

تخيل أنك طبيب يحاول تحديد الجرعة المثالية من الدواء لمريض ما. الأمر ليس بهذه البساطة التي تجعل الأمر مجرد تخمين؛ فالجسم عبارة عن آلة معقدة تعالج الأدوية بسرعات مختلفة اعتمادًا على وزن الشخص، وعمره، وحتى جيناته. هذا هو عالم الحرائك الدوائية السكانية (أو ما يُعرف اختصارًا بـ "PopPK"). فكر في الأمر كأنه لعبة ضخمة وعالية المخاطر من نوع "خمّن الوصفة". يتعين على العلماء بناء نموذج رياضي يتنبأ بكيفية تحرك الدواء عبر مجرى الدم: مدى سرعة دخوله، ومدة بقائه، ومدى سرعة خروجه.

لعقود من الزمن، كان بناء هذه النماذج مهمة بطيئة ويدوية يقوم بها الخبراء. كانوا يقومون بتعديل جزء واحد من الوصفة، ثم يتحققون من النتيجة، ثم يعدلون جزءًا آخر، ويكررون العملية. الأمر يشبه محاولة العثور على المزيج المثالي من التوابل لحساء ما عن طريق تذوقه بعد كل رشة ملح. يستغرق ذلك وقتًا طويلاً، وأحيانًا يقع الخبير في فخ الحل "الجيد بما يكفي" دون أن يدرك أن هناك حلاً "مثاليًا" يختبئ في مكان آخر. مؤخرًا، حاول العلماء أتمتة هذه العملية باستخدام أجهزة الكمبيوتر، لكن العديد من هذه الأدوات الجديدة تشبه الطهاة معصوبي الأعين: قد يصنعون حساءً جيدًا، لكن لا يمكنهم إثبات أنهم وجدوا الأفضل على الإطلاق. يسأل هذا البحث سؤالاً جوهرياً: هل يمكننا بناء برنامج كمبيوتر لا يقوم فقط بطهي الحساء تلقائيًا، بل يثبت أيضًا أنه وجد أفضل وصفة ممكنة، دون أن يستغرق الأمر عمرًا كاملاً؟

---

رحلة البحث عن الوصفة العظمى: حكاية الخوارزميات والطب

في هذه الدراسة، قدم فريق من الباحثين أداة جديدة مفتوحة المصدر تسمى nlmixr2auto. فكر في هذه الأداة كأنها طباخ ذكي للغاية ومؤتمت، لا يكتفي بالتخمين فحسب، بل يستخدم استراتيجيات ذكية للبحث عن وصفة الدواء المثالية. أراد الباحثون معرفة ما إذا كان هذا الطباخ الجديد يمكنه التغلب على الطريقة القديمة "خطوة بخفظوة"، والأهم من ذلك، ما إذا كان بإمكانه العثور على نفس الوصفة "المثالية" التي سيجدها الكمبيوتر إذا حاول تجربة كل التركيبات الممكنة (وهي طريقة تسمى "البحث الشامل").

لاختبار أداتهم، لم يستخدم الفريق بيانات وهمية، بل جمعوا 22 مجموعة بيانات سريرية واقعية من مرضى متطوعين حقيقيين. غطت هذه المجموعات مجموعة واسعة من الأدوية، بما في ذلك المضادات الحيوية، وعلاجات السرطان، وأدوية القلب، والتي تُعطى إما عن طريق الحقن الوريدي أو عن طريق الفم. كانت بعض مجموعات البيانات تضم عدداً قليلاً من الأشخاص، بينما ضمت أخرى المئات. لقد كانت قائمة طعام متنوعة وصعبة ليواجهها طباخهم المؤتمت.

المسابقة: ثلاثة صيادين أذكياء ضد متذوق واحد بطيء

أقام الباحثون مسابقة بين أربع طرق لإيجاد أفضل نموذج:

1. البحث الشامل (Exhaustive Search): "المعيار الذهبي". هذه الطريقة تجرب كل تركيبة ممكنة للوصفة لضمان العثور على الأفضل على الإطلاق. الأمر يشبه تذوق كل مزيج ممكن من التوابل في الكون. إنها تضمن الوصول إلى النتيجة الصحيحة، لكنها بطيئة للغاية.
2. الطريقة المتدرجة (Stepwise Method): "الطريقة القديمة". تبدأ بوصفة أساسية ثم تضيف أو تزيل مكونًا واحدًا في كل مرة، وتتحقق من المذاق بعد كل تغيير. هي سريعة، لكنها قد تظل عالقة عند وصفة "جيدة" وتفقد الوصفة "المثالية" لأنها لا تنظر بعيدًا بما يكفي.
3. صيادو الاستدلال الميتاهيورستي (GA, ACO, TS): هؤلاء هم نجوم العرض، مدعومون بأداة nlmixr2auto. يستخدمون استراتيجيات مستوحاة من الطبيعة:
   • الخوارزميات الجينية (GA): مثل التطور، حيث "تتزاوج" أفضل الوصفات و"تتحور" لإنتاج نسل أفضل.
   • تحسين مستعمرة النمل (ACO): مثل النمل الذي يترك آثارًا من الفيرومونات؛ فكلما كانت الوصفة أفضل، زادت قوة الأثر، مما يوجه الآخرين إلى المكان الأفضل.
   • البحث التابو (TS): مثل المحقق الذي يتذكر المسارات التي جربها بالفعل ويرفض العودة إليها، مما يجبره على استكشاف مناطق جديدة.

النتائج: عندما تلتقي السرعة بالكمال

كانت النتائج نقطة تحول في مجال نمذجة الطب.

المطابقة "المثالية":
عندما قارن الباحثون النتائج بـ "المعيار الذهبي" (البحث الشامل)، كانت الصيادون الميتاهيورست دقيقين بشكل مذهل.

• وجدت الخوارزمية الجينية (GA) نفس الوصفة المثالية تمامًا مثل البحث الشامل في 21 من أصل 22 مجموعة بيانات. وهذا يعني نسبة نجاح بلغت 95.5%.
• نجحت استراتيجية تحسين مستعمرة النمل (ACO) في 20 من أصل 22 مرة (90.9%).
• نجح البحث التابو (TS) في 19 من أصل 22 مرة (86.4%).

وفي المقابل الصارخ، وجدت الطريقة المتدرجة التقليدية الوصفة المثالية في 7 من أصل 22 مجموعة بيانات فقط (31.8%). كانت سريعة، نعم، لكنها كانت مخطئة في كثير من الأحيان، حيث فاتتها أفضل الحلول لأنها كانت تركز أكثر من اللازم على اتخاذ خطوات صغيرة وحذرة.

سباق السرعة:
هنا يحدث السحر الحقيقي. البحث الشامل (المعيار الذهبي) بطيء جدًا لدرجة أنه بالنسبة لبعض مجموعات البيانات الكبيرة، قد يستغرق أكثر من 100 يوم للانتهاء على جهاز كمبيوتر قياسي. وحتى مع استخدام كمبيوتر قوي رباعي النواة، استغرقت ما يقرب من نصف مجموعات البيانات ما بين 10 إلى 100 يوم للحل.

ومع ذلك، كانت أدوات nlmixr2auto الجديدة سريعة كالبرق.

• اكتملت 63.6% من المهام (14 من أصل 22) في أقل من 24 ساعة.
• لم تستغرق أي من المهام أكثر من 100 يوم.
• في الواقع، كانت الطرق الميتاهيورست أسرع بـ 10 إلى 100 مرة من البحث الشامل، ومع ذلك فقد وجدت نفس الإجابات عالية الجودة.

لماذا يهم هذا؟

تشير الدراسة إلى أننا لم نعد مضطرين للاختيار بين السرعة والدقة. لفترة طويلة، كان على الخبراء إما قضاء شهور في انتظار الكمبيوتر لفحص كل الاحتمالات أو القبول بنموذج "جيد بما يكفي" يتم بناؤه يدويًا. يوفر هذا الإطار الجديد، nlmixr2auto، مسارًا ثالثًا: أداة سريعة بما يكفي لتكون عملية، وذكية بما يكفي للعثور على أفضل نموذج ممكن.

وجد الباحثون أن هذه الأدوات المؤتمتة ليست مجرد حيل نظرية؛ فهي تعمل على بيانات حقيقية ومعقدة من تجارب سريرية فعلية. وبينما تشير الدراسة إلى أن هذه الأدوات لا تزال بحاجة إلى بعض الضبط لأنواع مختلفة من البيانات ولم تؤتمت بعد اختيار العوامل الخاصة بالمريض (مثل العمر أو الوزن) في المزيج، فإن النتيجة الأساسية واضحة. من خلال استخدام استراتيجيات البحث المستوحاة من الطبيعة هذه، يمكننا بناء نماذج أفضل وأكثر موثوقية لكيفية عمل الأدوية في جسم الإنسان، مما قد يساعد الأطباء في وصف الجرعة الصحيحة، في الوقت الصحيح، للمريض المناسب، وبسرعة أكبر بكثير من ذي قبل.