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

あなたは、患者にとって最適な薬の用量を決定しようとしている医師だと想像してください。それは単に推測するだけのように単純なことではありません。人体は複雑な機械であり、体重、年齢、さらには遺伝子によって、薬の処理速度が異なります。これが集団薬物動態学（略して「PopPK」）の世界です。これは、高度な技術を要する「レシピの推測」ゲームのようなものです。科学者たちは、薬がどのように血流に入り、どのくらい留まり、どのくらいの速さで排出されるかという、薬の体内での動きを予測するための数学的モデルを構築しなければなりません。

何十年もの間、これらのモデルを構築することは、専門家による遅くて手作業の仕事でした。彼らはレシピの一部を微調整し、結果を確認し、別の部分を微調整し、という作業を繰り返していました。それは、スープを作る際に、塩をひとつまみ入れるたびに味見をして、完璧なスパイスの組み合わせを探すようなものです。これには長い時間がかかり、時には専門家が、もっと良い答えがどこかに隠れていることに気づかず、「そこそこ良い」解決策で満足してしまうこともありました。近年、科学者たちはコンピュータを使ってこのプロセスを自動化しようと試みてきましたが、これらの新しいツールの多くは「目隠しをしたシェフ」のようなものでした。彼らは「そこそこのスープ」を作ることはできても、それが「最高」であることを証明することはできなかったのです。この論文は、極めて重要な問いを投げかけています。コンピュータプログラムに、単に自動でスープを作るだけでなく、一生を費やすことなく、それが「絶対最高のレシピ」であることを証明させることはできるのだろうか？

---

偉大なるレシピ探しの旅：アルゴリズムと医学の物語

この研究において、研究チームはnlmixr2autoと呼ばれる新しいオープンソースのツールを紹介しました。このツールは、単に推測するのではなく、完璧な薬のレシピを追い求めるための巧妙な戦略を用いる、非常にスマートな「自動シェフ」だと考えてください。研究者たちは、この新しいシェフが、従来の「ステップ・バイ・ステップ」の手法を打ち負かすことができるのか、そしてより重要な点として、もしコンピュータが「あらゆる可能な組み合わせ」を試した場合に見つけ出すであろう「完璧な」レシピと同じものを見つけ出せるのかを検証したいと考えました（この手法は「全探索」と呼ばれます）。

このツールをテストするために、チームは架空のデータではなく、実際の患者や健康なボランティアから得られた22の実際の臨床データセットを使用しました。これらのデータセットは、抗生物質、抗がん剤、心臓病治療薬など、幅広い種類の薬を対象としており、点滴静注または経口投与のいずれかの方法で投与されたものです。数人程度のデータセットもあれば、数百人も含まれるものもありました。これは、彼らの自動シェフが取り組むべき、多様で挑戦的なメニューでした。

コンテスト：3人のスマートなハンター vs 1人の遅い味見役

研究者たちは、最適なモデルを見つけるための4つの異なる方法によるコンテストを設定しました。

1. 全探索 (Exhaustive Search): 「ゴールドスタンダード（黄金律）」。この手法は、絶対的な最善のものを見つけることを保証するために、あらゆる可能なレシピの組み合わせを試します。それは、宇宙にあるあらゆるスパイスの組み合わせをすべて味わうようなものです。確実に正解に辿り着けますが、信じられないほど時間がかかります。
2. ステップワイズ法 (Stepwise Method): 「昔ながらの方法」。これは基本的なレシピから始まり、一度に一つの材料を加えたり取り除いたりしながら、変更のたびに味をチェックしていく方法です。速いですが、先を見通す力が弱いため、「良い」レシピを見つけたところで止まってしまい、完璧なレシピを見逃してしまうことがあります。
3. メタヒューリスティック・ハンター (GA, ACO, TS): これらが主役であり、nlmixr2autoによって動かされています。これらは自然界から着想を得た戦略を使用しています。
   • 遺伝的アルゴリズム (GA): 進化のように、優れたレシピが「交配」し、「突然変異」することで、さらに優れた子孫を生み出していきます。
   • 蟻コロニー最適化 (ACO): 蟻がフェロモンを残していくように、より良いレシピほど強い跡を残し、他の者を最適な場所へと導きます。
   • タブーサーチ (TS): すでに通った道を記憶し、そこへ戻ることを拒否することで、新しい領域を探索することを強制する探偵のようなものです。

結果：スピードと完璧さの両立

結果は、医学モデリングの分野におけるゲームチェンジャーとなりました。

「完璧な」一致:
研究者が結果を「ゴールドスタンダード」（全探索）と比較したところ、メタヒューリスティック・ハンターたちは驚くほど正確でした。

• 遺伝的アルゴリズム (GA) は、22のデータセットのうち21個において、全探索と同じ完璧なレシピを見つけ出しました。これは**95.5%**の成功率です。
• 蟻コロニー最適化 (ACO) は、22回中20回（90.9%）正解しました。
• タブーサーチ (TS) は、22回中19回（86.4%）成功しました。

対照的に、昔ながらのステップワイズ法は、22のデータセットのうち、完璧なレシピを見つけられたのはわずか7回（31.8%）でした。確かに速かったのですが、慎重に小さなステップを踏むことに集中しすぎていたため、しばしば間違いを犯し、最善の解決策を見逃していました。

スピード・レース:
ここからが魔法のような場面です。「ゴールドスタンダード」である全探索は非常に遅く、大きなデータセットの場合、標準的なコンピュータでは完了するまでに100日以上かかることもありました。強力な4コアのコンピュータを使用しても、データの約半分は解決に10日から100日を要しました。

しかし、新しいnlmixr2autoツールは驚異的な速さでした。

• タスクの63.6%（22件中14件）が24時間以内に完了しました。
• 100日を超えたタスクは一つもありませんでした。
• 実際、メタヒューリスティック手法は、全探索よりも10倍から100倍速いことが多く、それでいて同じ高品質の回答を見つけ出したのです。

なぜこれが重要なのか

この研究は、私たちがもはや「スピード」と「正確さ」のどちらか一方を選ぶ必要はないことを示唆しています。長い間、専門家は、コンピュータがすべての可能性をチェックするのを何ヶ月も待つか、あるいは手作業で作られた「そこそこ良い」モデルで妥協するか、という選択を迫られてきました。この新しいフレームワークであるnlmixr2autoは、第三の道を提供します。実用的な速さを持ちながら、最高のモデルを見つけ出すほど賢いツールです。

研究者たちは、これらの自動化ツールが単なる理論上のトリックではなく、実際の臨床試験からの、現実世界の複雑なデータにおいても機能することを発見しました。本研究では、これらのツールにはまだ異なるタイプのデータに対する調整が必要であることや、患者固有の要因（年齢や体重など）をモデルに組み込むプロセスがまだ自動化されていないことも指摘していますが、核心となる発見は明白です。自然界にインスパイアされた探索戦略を使用することで、薬が人体内でどのように作用するかについての、より良く、より信頼できるモデルを構築できるようになります。これにより、医師が、これまでよりもはるかに速く、適切な患者に対して、適切なタイミングで、適切な用量を処方できるようになる可能性があります。