Prediction variability in physiologically based pharmacokinetic modeling of tissue disposition under deep uncertainty

Diese Studie untersucht, wie tiefgreifende Unsicherheiten in physiologisch basierten pharmakokinetischen (PBPK) Modellen die Vorhersagevariabilität der Gewebeexposition beeinflussen, indem sie vier Modelle gegen 1.854 experimentelle Datenpunkte validieren und zeigen, dass physikochemische Eigenschaften und Parameterinteraktionen zu erheblichen Diskrepanzen führen, insbesondere bei lipophilen, protonierten Molekülen.

Das Wesentliche

Das große Problem: Die "Black Box" der Medikamentenentwicklung

Stellen Sie sich vor, Sie sind ein Architekt, der ein riesiges, komplexes Gebäude (den menschlichen Körper) entwirft. Sie wollen wissen: Wenn ich einen neuen Schlüssel (ein neues Medikament) in die Hand nehme, wo landet er im Gebäude? Bleibt er im Flur (Blut)? Oder geht er in die Küche (Leber) oder ins Schlafzimmer (Gehirn)? Und wie lange bleibt er dort?

Um das vorherzusagen, nutzen Wissenschaftler Computermodelle, sogenannte PBPK-Modelle. Das sind wie detaillierte digitale Zwillinge des Körpers. Aber hier liegt das Problem: Um diese Modelle zu füttern, braucht man genaue Daten über den Schlüssel (das Medikament).

In der alten Welt hat man den Schlüssel gemessen, gewogen und getestet. In der neuen, modernen Welt (dank Künstlicher Intelligenz) versucht man, diese Eigenschaften nur durch das Aussehen des Schlüssels (seine chemische Struktur) am Computer zu erraten.

Die Gefahr: Diese Computer-Ratereien sind nicht perfekt. Sie machen Fehler. Die Frage der Studie war: Was passiert, wenn wir diese ungenauen, "gefuckten" Daten in den perfekten Körper-Zwilling stecken? Wird die Vorhersage dann komplett verrückt?

Die Untersuchung: Vier verschiedene Karten für dieselbe Reise

Die Forscher haben vier verschiedene Versionen dieser "Körper-Zwillinge" (Modelle) genommen. Man kann sich das wie vier verschiedene Navigations-Apps vorstellen (z. B. Google Maps, Apple Maps, Waze und eine alte Papierkarte). Alle versuchen, die gleiche Route zu berechnen, aber sie nutzen unterschiedliche Regeln und Annahmen.

1. Der Testlauf (mit perfekten Daten): Zuerst haben sie die Modelle mit echten, gemessenen Daten gefüttert. Ergebnis: Alle vier Apps funktionierten ziemlich gut. Sie zeigten alle ungefähr den gleichen Weg.
2. Der Stress-Test (mit unsicheren Daten): Dann haben sie die perfekten Daten durch "geglühte" Daten ersetzt – also Daten, die so ungenau sind, wie sie es bei KI-Vorhersagen oft sind. Sie haben tausende von virtuellen Medikamenten durchgerechnet, wobei sie die Eingabewerte jedes Mal ein bisschen verändert haben (wie wenn man das Navi immer wieder leicht falsch bedient).

Die überraschenden Ergebnisse

Hier kamen die interessanten Entdeckungen ans Licht:

1. Nicht alle Modelle sind gleich robust
Die meisten Modelle blieben stabil, auch wenn die Eingabedaten unscharf waren. Aber eines der Modelle (das "Mathew-Modell") fing an, wild zu schwanken. Es war wie ein Navigationsgerät, das bei kleinsten Unsicherheiten plötzlich sagt: "Fahren Sie jetzt nach Alaska!" statt "Fahren Sie geradeaus".

2. Die "Problemzone": Fettige, geladene Schlüssel
Die Forscher entdeckten eine spezielle Gruppe von Medikamenten, bei der sich die Modelle am stärkently stritten. Das waren Moleküle, die zwei Eigenschaften haben:

• Sie sind sehr fettlöslich (sie mögen Öl/Fett).
• Sie sind positiv geladen (wie ein kleiner Magnet).

Für diese "schwierigen" Medikamente gaben die Modelle völlig unterschiedliche Vorhersagen ab. Wenn man unsichere Daten nutzte, wurde der Streit noch größer. Es war, als würden vier Experten über die Route streiten, aber nur für eine ganz spezielle Art von Fahrzeug (z. B. ein schwerer Lastwagen mit Anhängern).

3. Warum streiten sie sich?
Der Grund liegt in den Regeln, die die Modelle verwenden.

• Ein Modell sagt: "Wenn das Medikament geladen ist, haftet es an den Wänden (Proteinen) und bleibt dort stecken."
• Das andere Modell sagt: "Nein, wenn es geladen ist, schwimmt es einfach weiter."

Wenn die Eingabedaten nun unscharf sind (wir wissen nicht genau, wie stark die Ladung ist), führt diese kleine Unsicherheit bei den "fettigen, geladenen" Medikamenten zu riesigen Unterschieden im Endergebnis. Ein Modell sagt: "Das Medikament ist in 10 Minuten weg." Das andere sagt: "Es bleibt 10 Stunden."

Die Lehre für die Zukunft

Die Studie zeigt uns eine wichtige Lektion für die Zukunft der Medikamentenentwicklung:

• KI ist toll, aber nicht perfekt: Wir können neue Medikamente schneller am Computer finden, aber wir müssen vorsichtig sein, wenn wir die Ergebnisse dieser Computer in die Körper-Zwillinge stecken.
• Ein Modell passt nicht für alle: Es gibt keine "eine wahre Methode", die für alle Medikamente funktioniert. Für bestimmte, schwierige Moleküle (die fettigen und geladenen) müssen wir besonders aufpassen und vielleicht mehrere Modelle vergleichen.
• Genauigkeit zählt: Um die Vorhersagen sicherer zu machen, müssen wir vor allem bei den Eigenschaften lernen, die diese "Fett-Ladung"-Probleme verursachen (wie die Fettlöslichkeit und die elektrische Ladung). Wenn wir diese besser vorhersagen können, werden die Computermodelle wieder verlässlicher.

Zusammenfassend:
Die Forscher haben gezeigt, dass unsere digitalen Körper-Zwillinge zwar mächtige Werkzeuge sind, aber wenn wir ihnen ungenaue Informationen geben, können sie bei bestimmten, schwierigen Medikamenten völlig unterschiedliche Geschichten erzählen. Um sicherzustellen, dass die Medikamente auch wirklich dort ankommen, wo sie sollen, müssen wir die Regeln der Modelle anpassen und die Unsicherheiten der KI besser verstehen.

Technische Zusammenfassung

Titel: Vorhersagevariabilität in physiologisch basierten pharmakokinetischen (PBPK) Modellen der Gewebeverteilung unter tiefer Unsicherheit

1. Problemstellung

Physiologisch basierte pharmakokinetische (PBPK) Modelle werden zunehmend in virtuellen Screening-Workflows für die Wirkstoffentwicklung eingesetzt, um die Verteilung von Molekülen im menschlichen Körper vorherzusagen. Diese mechanistischen Modelle stützen sich oft auf maschinell erlernte (ML) oder datengestützte Modelle (QSAR), um Eingabeparameter (wie LogD, pKa, Proteinbindung) direkt aus der chemischen Struktur abzuleiten.

Das zentrale Problem ist die tiefe epistemische Unsicherheit, die aus zwei Quellen entsteht:

1. Strukturelle Unsicherheit: PBPK-Modelle sind Abstraktionen der Realität. Unterschiedliche mathematische Annahmen zur Gewebeverteilung (z. B. wie Ionisierung und Lipophilie die Bindung an Phospholipide beeinflussen) können zu unterschiedlichen Vorhersagen führen, die ohne experimentelle Validierung schwer zu erkennen sind.
2. Parametrische Unsicherheit: Für virtuelle Wirkstoffkandidaten liegen keine experimentellen Daten vor. Die aus QSAR-Modellen vorhergesagten Parameter unterliegen großen Fehlern.

Die Studie untersucht, wie sich diese Unsicherheiten auf die Variabilität der Vorhersagen für die dynamische, gewebespezifische Exposition auswirken und ob verschiedene PBPK-Modelle unter Unsicherheit konsistente Ergebnisse liefern.

2. Methodik

Die Autoren verglichen vier verschiedene PBPK-Modelle, die auf unterschiedlichen mathematischen Abstraktionen basieren:

• Modell 1 (Dieses Modell): Eine modifizierte Version des Rodgers & Rowland (R&R) - Lukacova-Frameworks mit angepassten Annahmen für die Proteinbindung und den Einfluss der Ionisierung auf die Lipidpartitionierung.
• Modell 2 (Mathew et al.): Ein weiteres R&R-Lukacova-basiertes Modell.
• Modell 3 & 4 (Pearce et al.): Eine Schmitt-basierte Variante, einmal in kalibrierter und einmal in unkalkulierter Form.

Validierungsansatz:

1. Fidelitätsprüfung: Die Modelle wurden gegen 1.854 experimentelle Datenpunkte (Gewebe-Partitionierungskoeffizienten $K_p$ bei Ratten und Verteilungsvolumen $V_{ss}$ beim Menschen) validiert, um ihre Genauigkeit bei bekannten Parametern zu bestimmen.
2. Unsicherheitspropagierung: Um die Unsicherheit typischer QSAR-Modelle zu simulieren, wurden 10.000 synthetische "Pseudomoleküle" generiert. Für jedes Molekül wurden die Eingabeparameter (RMM, $f_u$, $CL_{int}$, LogD, pKa) mittels Monte-Carlo-Simulationen (1.000 Realisierungen pro Molekül) gestört. Die Störung basierte auf den mittleren absoluten Fehlern (MAE) bekannter QSAR-Modelle.
3. Analyse der Vorhersagevariabilität: Es wurden PK-Statistiken wie $V_{ss}$, maximale ungebundene Konzentration ($C_{max,u}$), Fläche unter der Kurve ($AUC_u$) und die Zeit über einem Schwellenwert ($T_{0.1\mu M}$) berechnet.
4. Clustering und Sensitivitätsanalyse:
   • Moleküle wurden basierend auf der Übereinstimmung der Vorhersageverteilungen zwischen den Modellen (gemessen durch Wasserstein-Abstand) in Cluster gruppiert.
   • Eine globale Sensitivitätsanalyse (Sobol'-Indizes für korrelierte Eingaben) wurde durchgeführt, um zu bestimmen, welche Eingabeparameter die Varianz der Ergebnisse am stärksten beeinflussen.

3. Wichtige Beiträge und Ergebnisse

A. Modellfidelität bei bekannten Parametern:
Alle vier Modelle zeigten eine ähnliche Gesamtgenauigkeit bei der Vorhersage von $K_p$ und $V_{ss}$ für bekannte Wirkstoffe. Das Mathew-Modell schnitt jedoch bei Zwitterionen und Basen schlechter ab. Die Unterschiede in der Modellstruktur waren bei aggregierten Metriken wie $V_{ss}$ oft maskiert, traten aber auf Gewebeebene (z. B. Gehirn vs. Fettgewebe) deutlich zutage.

B. Divergenz unter Unsicherheit (Der "Deep Uncertainty"-Effekt):
Sobald Parameterunsicherheit eingeführt wurde, zeigten die Modelle signifikante Diskrepanzen:

• Cluster-Analyse: Die 10.000 Pseudomoleküle teilten sich in zwei Hauptgruppen auf:
  • Cluster 2 (92,5 %): Moleküle, bei denen alle Modelle konsistente Vorhersagen lieferten.
  • Cluster 1 (7,5 %): Eine kritische Untergruppe, bei der die Modelle stark voneinander abwichen. Diese Moleküle waren charakterisiert durch hohe Lipophilie (LogD) und hohe Protonierung (Basen/Zwitterionen).
• Ursache der Diskrepanz: Die Diskrepanz resultierte aus der Kombination von strukturellen Modellannahmen und Parameterunsicherheit. Das Mathew-Modell zeigte hier die größte Abweichung, da es Lipidpartitionierung nur für ungeladene Moleküle berechnet und stark von der Wechselwirkung zwischen LogD und pKa abhängt. Dies führt zu extremen Varianzen bei stark protonierten, lipophilen Molekülen.

C. Sensitivitätsanalyse (Sobol'-Indizes):

• Mathew-Modell: Die Varianz der Vorhersagen wurde fast ausschließlich durch Parameterinteraktionen (nicht korrelierte Effekte) getrieben. Das bedeutet, dass die Verbesserung der Genauigkeit eines einzelnen Parameters (z. B. nur LogD) die Vorhersageunsicherheit nicht signifikant reduzieren würde; alle interagierenden Parameter müssten gleichzeitig verbessert werden.
• Andere Modelle (Dieses Modell, Pearce): Hier dominierten direkte (erster Ordnung) Effekte, insbesondere von LogD und $f_u$. Eine Verbesserung dieser spezifischen Parameter würde die Vorhersageunsicherheit direkt senken.
• Kalibrierungseffekt: Die Kalibrierung des Pearce-Modells reduzierte den Einfluss von LogD auf die Varianz und erhöhte den Einfluss der Proteinbindung ($f_u$) sowie der Clearance ($CL_{int}$). Dies deutet darauf hin, dass Kalibrierung die Sensitivität gegenüber bestimmten Unsicherheiten verändern und die Relevanz hepatischer Metabolisierung für lipophile Moleküle "freischalten" kann.

4. Signifikanz und Schlussfolgerung

Die Studie liefert wichtige Erkenntnisse für den Einsatz von PBPK-Modellen in der frühen Wirkstoffentwicklung (virtuelles Screening):

1. Kein "Bestes" Modell für alle Fälle: Modelle, die bei bekannten Daten gut funktionieren, können bei neuen, unsicheren chemischen Räumen (insbesondere bei protonierten, lipophilen Molekülen) völlig unterschiedliche Ergebnisse liefern.
2. Risiko der Modellstruktur: Bestimmte mathematische Abstraktionen (wie das Filtern von Lipidbindung nach Ionisierungszustand im Mathew-Modell) können die Vorhersageempfindlichkeit gegenüber Unsicherheit drastisch erhöhen und zu nicht-robusten Ergebnissen führen.
3. Prioritäten für QSAR-Entwicklung: Die Sensitivitätsanalyse zeigt, wo Verbesserungen in den Eingangsdaten (QSAR) den größten Nutzen bringen. Für das Mathew-Modell sind Verbesserungen schwierig, da Interaktionen dominieren. Für andere Modelle ist die Reduzierung des Fehlers bei LogD oder $f_u$ der effektivste Weg, um die Vorhersagezuverlässigkeit zu steigern.
4. Empfehlung: Bei der Nutzung von ML-gestützten PBPK-Workflows sollten mehrere Modelle verglichen werden, um Regionen chemischen Raums zu identifizieren, in denen die Vorhersageunsicherheit kritisch hoch ist. Modelle sollten so gestaltet sein, dass sie keine binären Schwellenwerte für die Einbeziehung von Termen basierend auf Moleküleigenschaften verwenden, da dies die Robustheit gegenüber Unsicherheit mindert.

Zusammenfassend demonstriert die Arbeit, dass die bloße Validierung von PBPK-Modellen gegen experimentelle Daten nicht ausreicht, um ihre Eignung für das Screening virtueller Verbindungen zu garantieren. Die Analyse der Unsicherheitspropagierung und der Modellstruktur ist entscheidend, um die Zuverlässigkeit von Entscheidungen in der frühen Wirkstoffentwicklung einzuschätzen.