📄 medicine

Development of a Dissolution-Informed PBPK-Assisted In Vitro–In Silico Correlation Framework for Predicting Food Effects of Lurasidone Hydrochloride

Questo studio ha sviluppato e validato un framework di correlazione in vitro–in silico assistito da PBPK basato sulla dissoluzione che predice con successo gli effetti del cibo e l'esposizione sistemica del farmaco scarsamente solubile in acqua lurasidone cloridrato, integrando i dati di dissoluzione biorelevante con la modellazione farmacocinetica fisiologicamente orientata.

Autori originali: Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Pubblicato 2026-08-12

📖 8 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di far passare un messaggio attraverso una stanza affollata. Se il messaggio è scritto su un pezzo di carta scivoloso e solubile in acqua, potrebbe dissolversi prima di raggiungere l'altro lato. Ma se la carta è spessa e cerosa, potrebbe non dissolversi affatto, lasciando il messaggio non letto. Questo è un po' come il modo in cui molti farmaci agiscono all'interno del nostro corpo. Alcuni farmaci sono come quella carta cerosa: non si mescolano bene con i fluidi acquosi del nostro stomaco o delle nostre intestino. Poiché non possono dissolversi facilmente, non possono essere assorbiti nel flusso sanguigno per fare il loro lavoro. Gli scienziati chiamano questo un problema di "limitazione della dissoluzione".

Ora, immagina che le regole della stanza affollata cambino a seconda che tu abbia appena consumato un pasto abbondante o che tu abbia ancora fame. Se hai appena mangiato, il tuo stomaco produce più "detergenti" speciali (chiamati sali biliari) che possono aiutare a scomporre quella carta cerosa. Questo è l'"effetto del cibo". Per alcuni farmaci, mangiare un pasto fa sì che funzionino molto meglio; per altri, potrebbe far sì che funzionino peggio. Prevedere esattamente come un farmaco specifico si comporterà in queste diverse condizioni è complicato. Gli scienziati usano due strumenti principali per risolvere questo enigma: testano quanto velocemente un farmaco si dissolve in una tazza di liquido che imita lo stomaco (in vitro) e usano potenti modelli informatici per simulare come il farmaco si muove attraverso il corpo umano (in silico o modellazione PBPK). La grande domanda è: possiamo combinare questi due strumenti per prevedere esattamente come un farmaco agirà in una persona reale, specialmente quando è presente il cibo?

Questo articolo approfondisce questa domanda utilizzando un farmaco specifico chiamato Lurasidone cloridrato, che viene utilizzato per trattare condizioni come la schizofrenia. Il Lurasidone è un classico esempio di un farmaco che fatica a dissolversi in acqua e ha un enorme "effetto del cibo" — il che significa che le sue prestazioni cambiano drasticamente a seconda che venga assunto a stomaco vuoto o con un pasto. I ricercatori volevano vedere se potevano costruire un "gemello digitale" del corpo umano che potesse prevedere accuratamente come questo farmaco si comporta, usando i dati del mondo reale dai loro esperimenti di laboratorio come punto di partenza.

L'esperimento di laboratorio: Testare le acque dello "stomaco"

Per prima cosa, il team è andato in laboratorio per vedere come si comporta il Lurasidone in diversi tipi di "stomi finti". Non hanno usato solo acqua semplice; hanno creato quattro diversi ambienti liquidi per mimare il corpo umano in diverse condizioni:

Stomaco a digiuno: Stomaco vuoto, acido.
Stomaco sazio: Stomaco pieno, meno acido, con proprietà simili al cibo.
Intestino a digiuno: Intestino vuoto, pH neutro.
Intestino sazio: Intestino pieno, ricco di sali biliari (i detergenti naturali del corpo).

Hanno immerso una compressa di 40 mg di Lurasidone in ciascuno di questi quattro liquidi e hanno osservato quanto farmaco si dissolvesse in due ore. I risultati sono stati chiari e drammatici. Il farmaco si è dissolto di più nel liquido dello stomaco sazio (85,1%), seguito da vicino dal liquido dell'intestino sazio (78,8%). Al contrario, si è dissolto molto meno nello stomaco vuoto (61,8%) e il meno in assoluto nell'intestino vuoto (57,7%).

Questo ha confermato ciò che i medici sapevano già: il cibo aiuta questo farmaco a dissolversi. Ma i ricercatori volevano sapere esattamente quanto sarebbe stato migliore in un vero corpo umano, non solo in un becher.

La simulazione al computer: Costruire un corpo digitale

Successivamente, il team ha preso quei numeri del mondo reale dai becher e li ha inseriti in un sofisticato programma per computer chiamato PK-Sim. Pensa a questo programma come a un videogioco in cui costruisci un essere umano virtuale. Gli scienziati hanno programmato questo essere umano virtuale con tutti i dettagli corretti: quanto è grande lo stomaco, quanto velocemente si svuota, quanta quantità di sangue scorre verso il fegato e come il fegato scompone i farmaci.

Non si sono limitati a indovinare come il farmaco si sarebbe mosso; hanno usato i dati reali di dissoluzione dai loro esperimenti di laboratorio per dire al computer esattamente quanto velocemente il farmaco veniva rilasciato in ciascuno dei quattro scenari dello "stomaco". Il computer ha poi eseguito la simulazione per prevedere quali sarebbero stati i livelli del farmaco nel sangue nel tempo.

La grande rivelazione: Il computer ha indovinato

I risultati della simulazione sono stati impressionanti. Il computer ha previsto che assumere il farmaco con il cibo (lo stato "sazio") avrebbe portato a una quantità di farmaco nel sangue molto più alta rispetto all'assunzione a stomaco vuoto.

Nella simulazione dello Stomaco Sazio, il picco del livello del farmaco (Cmax) è stato previsto essere di 64,26 µmol/L.
Nella simulazione dello Stomaco a Digiuno, il picco era solo di 46,68 µmol/L.

Ciò significa che il computer ha previsto un aumento del 37,7% del livello di picco del farmaco semplicemente aggiungendo il cibo al mix. Anche la quantità totale di farmaco assorbito nel tempo (AUC) è aumentata di quasi il 60% nello stato sazio.

Ma come facciamo a sapere che il computer non stava solo inventando cose? I ricercatori hanno confrontato le previsioni del computer con i dati reali di studi clinici umani pubblicati in altri articoli. La corrispondenza è stata incredibile.

La previsione del computer per il livello di picco era errata di meno del 4% rispetto ai dati umani reali.
L'errore di scala ("Fold Error", un modo per misurare quanto la previsione sia vicina alla realtà) era 1,04, il che è quasi perfetto (un punteggio di 1,0 sarebbe un match perfetto).
La correlazione tra quanto il farmaco si è dissolto nel becher e quanto il computer ha previsto che ci sarebbe stato nel sangue era estremamente forte, con un punteggio di 0,9545.

Ciò ha dimostato che il "gemello digitale" era accurato. Il computer ha avuto successo nel tradurre il semplice esperimento di laboratorio (il farmaco che si dissolve in una tazza) in una complessa previsione di ciò che accade all'interno di un corpo umano.

Cosa guida il sistema?

I ricercatori hanno anche giocato a un gioco di "e se" usando il loro modello al computer. Hanno cambiato una variabile alla volta per vedere quale parte del corpo fosse più importante per determinare quanto farmaco entrasse nel sangue. Hanno trovato due driver principali:

Solubilità: Quanto bene il farmaco si dissolve. Questo è stato il fatto positivo più grande. Se il farmaco si dissolve meglio, più farmaco entra nel sangue.
Pulizia del fegato: Il fegato utilizza un enzima chiamato CYP3A4 per scomporre il farmaco. Questo è stato il fattore negativo più grande. Se il fegato lavora di più, meno farmaco resta nel sangue.

Interessanti sono state le cose come la velocità con cui lo stomaco si svuota o quanto tempo il farmaco rimane nell'intestino, che contavano, ma non erano così critiche come la capacità del farmaco di dissolversi o la capacità del fegato di pulirlo.

Popolazioni speciali: E con i fegati malati?

Infine, il team si è posto una domanda cruciale: cosa succede se il "umano digitale" ha un fegato che non funziona perfettamente? Hanno simulato uno scenario per persone con compromissione epatica (danni al fegato).

In questi pazienti virtuali, i livelli del farmaco sono aumentati. Il livello di picco (Cmax) è salito da 64,2 a 77,0 µmol/L.
L'esposizione totale (AUC) è aumentata da 5138,05 a 5395,20 µmol·min/L.

Questo suggerisce che le persone con problemi epatici potrebbero assorbire ancora più farmaco, il che è un'informazione importante che i medici devono conoscere quando prescrivono il medicinale.

La conclusione

Questo studio non si è limitato a indovinare; ha costruito un ponte tra un semplice test di laboratorio e un complesso corpo umano. Combinando i dati di dissoluzione reali con un modello al computer, i ricercatori hanno creato uno strumento affidabile per prevedere come il Lurasidone si comporta in persone diverse e in diverse condizioni.

L'articolo suggerisce che questo approccio — usare test di dissoluzione biorelevant per alimentare i modelli PBPK — funziona molto bene per i farmaci che faticano a dissolversi. Dimostra che possiamo prevedere gli effetti del cibo e persino come il farmaco si comporta nelle persone con problemi al fegato senza dover eseguire così tanti studi clinici costosi e lenti su esseri umani reali. Sebbene lo studio si sia concentrato su un solo farmaco e un solo tipo di compressa, il metodo utilizzato è un modo potente per comprendere come funzionano i medicinali, rendendo potenzialmente lo sviluppo dei farmaci più veloce e sicuro per tutti.

Sintesi Tecnica: Framework IVISc assistito da PBPK e informato dalla dissoluzione per lurasidone cloridrato

Problematica
Il lurasidone cloridrato, un antipsicotico atipico di seconda generazione classificato come BCS (Sistema di Classificazione Biofarmaceutica) di Classe II, presenta una bassa solubilità acquosa e un'elevata permeabilità intestinale. Il suo assorbimento orale è limitato dalla dissoluzione ed è significativamente influenzato dalla fisiologia gastrointestinale, il che determina un marcato effetto positivo del cibo (un aumento della biodisponibilità di circa 2–3 volte in condizioni di alimentazione). I test di dissoluzione convenzionali in semplici mezzi acquosi spesso non riescono a prevedere le prestazioni in vivo di tali composti scarsamente solubili in acqua. Sebbene la modellazione PBPK (Farmacocinetica Basata sulla Fisiologia) e i test di dissoluzione biorelevanti siano strumenti consolidati, rimane una lacuna nell'integrare i profili di dissoluzione generati sperimentalmente da molteplici mezzi biorelevanti direttamente nelle simulazioni PBPK meccanicistiche per stabilire una robusta correlazione in vitro–in silico (IVISc) per la previsione degli effetti del cibo e dell'esposizione sistemica.

Metodologia
Lo studio ha impiegato un workflow sistematico che integra test di dissoluzione biorelevanti con la modellazione PBPK utilizzando PK-Sim® (versione 12.2):

Studi di dissoluzione biorelevante: Sono stati generati i profili di dissoluzione di una compressa di lurasidone cloridrato da 40 mg in quattro mezzi gastrici simulati: Fluido Gastrico Simulato in Stato di Digiuno (FaSSGF), Fluido Gastrico Simulato in Stato Post-prandiale (FeSSGF), Fluido Intestinale Simulato in Stato di Digiuno (FaSSIF) e Fluido Intestinale Simulato in Stato Post-prandiale (FeSSIF). Gli esperimenti sono stati condotti a 37°C utilizzando l'Apparato USP II.
Analisi cinetica e statistica: I dati di dissoluzione sono stati adattati ai modelli cinetici di ordine zero, di primo ordine, di Higuchi e di Korsmeyer–Peppas. Sono stati calcolati i fattori di somiglianza ( $f_2$ ) per confrontare i profili tra gli stati di digiuno e post-prandiale.
Sviluppo del modello PBPK: È stato costruito un modello PBPK a corpo intero utilizzando un approccio bottom-up. I parametri fisico-chimici specifici del farmaco (ad es. pKa, logP, solubilità intrinseca, frazione libera) e i parametri fisiologici sono stati estratti dalla letteratura e dal database PK-Sim. Il modello ha incorporato la transito gastrointestinale specifico per regione, la solubilità dipendente dal pH e il metabolismo epatico mediato da CYP3A4.
Integrazione e simulazione: I profili di dissoluzione derivati sperimentalmente dai quattro media sono stati integrati come input dipendenti dal tempo nel modello PBPK. Le simulazioni sono state eseguite per popolazioni adulte virtuali in condizioni di digiuno e post-prandiali per prevedere i profili di concentrazione plasmatica–tempo e i parametri farmacocinetici (PK) ( $C_{max}$ , $T_{max}$ , $AUC_{tend}$ ).
IVISc e validazione: È stato stabilito un framework IVISc assistito da PBPK correlando l'entità della dissoluzione a 120 minuti con l'esposizione sistemica prevista ( $AUC_{tend}$ ). Le prestazioni del modello sono state validate rispetto a dati clinici PK esterni utilizzando l'errore di ripiegamento (FE), l'errore assoluto medio di ripiegamento (AAFE), l'analisi di bontà del fit e i controlli predittivi visivi (VPC).
Analisi di sensibilità e delle popolazioni speciali: L'analisi di sensibilità ha identificato i principali driver dell'esposizione sistemica. Il modello validato è stato ulteriormente applicato per simulare la farmacocinetica in una popolazione con insufficienza epatica (Child–Pugh B).

Risultati Chiave

Comportamento di dissoluzione: La dissoluzione è stata significativamente influenzata dalle condizioni gastrointestinali ( $p < 0.001$ ). Il rilascio massimo di farmaco è stato osservato in FeSSGF (85,1%), seguito da FeSSIF (78,8%), FaSSGF (61,8%) e FaSSIF (57,7%). Il modello di Korsmeyer–Peppas ha fornito il miglior fit per la maggior parte dei media, indicando un comportamento di rilascio non Fickiano (anomalo).
Previsioni PBPK: Il modello ha tradotto con successo gli input di dissoluzione in esiti PK. Le simulazioni FeSSGF hanno prodotto la $C_{max}$ più elevata (64,26 µmol/L) e la $AUC_{tend}$ più alta (5138,05 µmol·min/L). Rispetto agli stati di digiuno, le simulazioni in stato post-prandiale hanno previsto un aumento del 37,7% per la $C_{max}$ e del 59,9% per la $AUC_{tend}$ per le condizioni gastriche, e rispettivamente del 36,3% e del 40,2% per le condizioni intestinali.
Correlazione IVISc: È stata stabilita una forte relazione lineare tra la percentuale di farmaco dissolto a 120 minuti e la $AUC_{tend}$ prevista ( $R^2 = 0,9545$ ), confermando che l'entità della dissoluzione guida direttamente l'esposizione sistemica nel modello.
Validazione del modello: Il modello ha dimostrato un'eccellente accuratezza predittiva. Il mean fold error (MFE) e l'average absolute fold error (AAFE) sono stati entrambi 1,04. Gli errori di previsione per $C_{max}$ e $AUC$ sono variati tra il 3,67% e il 3,98%, ben entro i criteri accettati di $\pm 20\%$ . L'analisi di bontà del fit ha mostrato un forte accordo ( $R^2 = 0,97$ per $C_{max}$ , $0,98$ per $AUC$).
Analisi di sensibilità: La solubilità e la clearance mediata da CYP3A4 sono state identificate come i principali determinanti dell'esposizione sistemica, seguite dalla dose orale e dalla permeabilità effettiva.
Insufficienza epatica: Le simulazioni in soggetti con insufficienza epatica hanno previsto un aumento della $C_{max}$ (da 64,2 a 77,0 µmol/L) e della $AUC_{tend}$ (da 5138,05 a 5395,20 µmol·min/L), riflettendo una ridotta clearance metabolica.

Significatività e Rivendicazioni
L'articolo afferma che il framework PBPK informato dalla dissoluzione sviluppato traduce con successo il comportamento di dissoluzione biorelevante in esiti farmacocinetici con un'elevata accuratezza predittiva. L'IVISc integrata assistita da PBPK dimostra una robusta previsione degli effetti del cibo e dell'esposizione sistemica per il lurasidone cloridrato.

Gli autori pongono questo lavoro come un'applicazione pratica dello Sviluppo di Farmaci Informato dal Modello (MIDD). Essi sostengono che il framework supporti:

Ottimizzazione della formulazione: Collegando specifici profili di dissoluzione alla l'esposizione prevista.
Previsione dell'effetto del cibo: Spiegando meccanicamente l'effetto positivo del cibo attraverso la solubilizzazione e la cinetica di dissoluzione.
Valutazione delle popolazioni speciali: Dimostrando la capacità del modello di prevedere i cambiamenti PK nell'insufficienza epatica.
Utilità regolatoria: Allineandosi alle linee guida FDA e ICH (inclusa la ICH M15) riguardanti l'uso della PBPK per applicazioni biofarmaceutiche, bioequivalenza virtuale e riduzione della dipendenza da estesi studi clinici per farmaci scarsamente solubili in acqua.

Lo studio conclude che questo approccio fornisce un'alternativa meccanicistica alle correlazioni empiriche in vitro–in vivo (IVIVC), offrendo uno strumento validato per valutare l'impatto della fisiologia gastrointestinale sull'assorbimento di farmaci BCS di Classe II.