📄 medicine

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

Este estudo desenvolveu e validou uma estrutura de correlação in vitro–in silico assistida por PBPK informada pela dissolução que previu com sucesso os efeitos dos alimentos e a exposição sistêmica do fármaco lurasidona cloridrato, de baixa solubilidade em água, ao integrar dados de dissolução biorelevantes com modelagem farmacocinética baseada na fisiologia.

Autores originais: Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Publicado 2026-08-12

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando passar uma mensagem através de uma sala lotada. Se a mensagem estiver escrita em um papel escorregadio e solúvel em água, ela pode se dissolver antes de chegar ao outro lado. Mas se o papel for grosso e ceroso, ele pode não se dissolver de forma alguma, deixando a mensagem sem ser lida. Isso é um pouco como o modo como muitos medicamentos funcionam dentro de nossos corpos. Alguns medicamentos são como esse papel ceroso: eles não se misturam bem com os fluidos aquosos do nosso estômago ou intestinos. Como eles não conseguem se dissolver facilmente, não podem ser absorvidos pela corrente sanguínea para fazer o seu trabalho. Os cientistas chamam isso de um problema de "limitação de dissolução".

Agora, imagine que a sala lotada muda suas regras dependendo se você acabou de fazer uma grande refeição ou se ainda está com fome. Se você acabou de comer, seu estômago produz mais "detergentes" especiais (chamados sais biliares) que podem ajudar a decompor esse papel ceroso. Este é o "efeito dos alimentos". Para alguns medicamentos, comer faz com que eles funcionem muito melhor; para outros, pode fazer com que funcionem pior. Prever exatamente como um medicamento específico se comportará nessas diferentes condições é complicado. Os cientistas usam duas ferramentas principais para resolver esse quebra-cabeça: eles testam a rapidez com que um medicamento se dissolve em uma xícara de líquido que imita o estômago (in vitro) e usam modelos computacionais poderosos para simular como o medicamento se move através do corpo humano (chamado de in silico ou modelagem PBPK). A grande questão é: podemos combinar essas duas ferramentas para prever exatamente como um medicamento agirá em uma pessoa real, especialmente quando há comida envolvida?

Este artigo mergulha nessa questão usando um medicamento específico chamado cloridrato de lurasidona, que é usado para tratar condições como a esquizofrenia. A lurasidona é um exemplo clássico de um medicamento que tem dificuldade em se dissolver em água e possui um enorme "efeito dos alimentos" — o que significa que seu desempenho muda drasticamente dependendo se você o toma com o estômago vazio ou com uma refeição. Os pesquisadores queriam ver se poderiam construir um "gêmeo digital" do corpo humano que pudesse prever com precisão como esse medicamento se comporta, usando dados do mundo real de seus experimentos de laboratório como ponto de partida.

O Experimento de Laboratório: Testando as Águas do "Estômago"

Primeiro, a equipe foi para o laboratório para ver como a lurasidona se comporta em diferentes tipos de "estômagos falsos". Eles não usaram apenas água pura; criaram quatro ambientes líquidos diferentes para imitar o corpo humano sob diferentes condições:

Estômago em Jejum: Estômago vazio, ácido.
Estômago Alimentado: Estômago cheio, menos ácido, com propriedades semelhantes às de alimentos.
Intestino em Jejum: Intestino vazio, pH neutro.
Intestino Alimentado: Intestino cheio, rico em sais biliares (os detergentes naturais do corpo).

Eles colocaram um comprimido de 40 mg de lurasidona em cada um desses quatro líquidos e observaram quanto do medicamento se dissolveu ao longo de duas horas. Os resultados foram claros e dramáticos. O medicamento se dissolveu mais no fluido do Estômago Alimentado (85,1%), seguido de perto pelo fluido do Intestino Alimentado (78,8%). Em contraste, ele se dissolveu muito menos no estômago vazio (61,8%) e o mínimo no intestino vazio (57,7%).

Isso confirmou o que os médicos já sabiam: a comida ajuda este medicamento a se dissolver. Mas os pesquisadores queriam saber exatamente o quanto melhor seria em um corpo humano real, não apenas em um béquer.

A Simulação Computacional: Construindo um Corpo Digital

Em seguida, a equipe pegou esses números do mundo real dos béqueres e os inseriu em um programa de computador sofisticado chamado PK-Sim. Pense neste programa como um videogame onde você constró de um humano virtual. Os cientistas programaram este humano virtual com todos os detalhes corretos: o tamanho do estômago, a velocidade com que ele se esvazia, quanto sangue flui para o fígado, como o fígado metaboliza os medicamentos.

Eles não apenas adivinharam como o medicamento se moveria; usaram os dados reais de dissolução de seus experimentos de laboratório para dizer ao computador exatamente a rapidez com que o medicamento estava sendo liberado em cada um dos quatro cenários de "estômago". O computador então executou a simulação para prever como os níveis do medicamento ficariam no sangue ao longo do tempo.

A Grande Revelação: O Computador Acertou

Os resultados da simulação foram impressionantes. O computador previu que tomar o medicamento com comida (o estado "Alimentado") levaria a uma quantidade muito maior de medicamento no sangue em comparação com tomá-lo com o estômago vazio.

Na simulação do Estômago Alimentado, o nível máximo de medicamento (Cmax) foi previsto em 64,26 µmol/L.
Na simulação do Estômago em Jejum, o pico foi de apenas 46,68 µmol/L.

Isso significa que o computador previu um aumento de 37,7% no nível de pico apenas adicionando comida à mistura. A quantidade total de medicamento absorvida ao longo do tempo (AUC) também saltou quase 60% no estado alimentado.

Mas como sabemos que o computador não estava apenas inventando coisas? Os pesquisadores compararam as previsões do computador com dados reais de estudos clínicos humanos reais que haviam sido publicados em outros artigos. A correspondência foi impressionante.

A previsão do computador para o nível de pico teve um erro de menos de 4% em relação aos dados humanos reais.
O "Erro de Dobra" (uma forma de medir o quão próximo a previsão está da realidade) foi de 1,04, o que é quase perfeito (uma pontuação de 1,0 seria uma correspondência perfeita).
A correlação entre o quanto o medicamento se dissolveu no béquer e o quanto o computador previu que estaria no sangue foi extremamente forte, com uma pontuação de 0,9545.

Isso provou que o "gêmeo digital" era preciso. O computador conseguiu traduzir o simples experimento de laboratório (medicamento se dissolvendo em uma xícara) em uma previsão complexa do que acontece dentro de um corpo humano.

O Que Impulsiona o Sistema?

Os pesquisadores também jogaram um jogo de "e se" usando seu modelo computacional. Eles alteraram uma variável por vez para ver qual parte do corpo era mais importante para a quantidade de medicamento que chegava ao sangue. Eles descobriram dois principais impulsionadores:

Solubilidade: O quão bem o medicamento se dissolve. Este foi o maior fator positivo. Se o medicamento se dissolve melhor, mais chega ao sangue.
Limpeza do Fígado: O fígado usa uma enzima chamada CYP3A4 para decompor o medicamento. Este foi o maior fator negativo. Se o fígado trabalha mais, menos medicamento permanece no sangue.

Curiosamente, coisas como a velocidade com que o estômago se esvazia ou o tempo que o medicamento passa no intestino importavam, mas não eram tão críticas quanto a capacidade de dissolução do medicamento ou a capacidade do fígado de limpá-lo.

Populações Especiais: E Quanto a Fígados Doentes?

Finalmente, a equipe fez uma pergunta crucial: o que acontece se o "humano digital" tiver um fígado que não está funcionando perfeitamente? Eles simularam um cenário para pessoas com comprometimento hepático (dano no fígado).

Nesses pacientes virtuais, os níveis de medicamento subiram. O nível de pico (Cmax) subiu de 64,2 para 77,0 µmol/L.
A exposição total (AUC) aumentou de 5138,05 para 5395,20 µmol·min/L.

Isso sugere que pessoas com problemas hepáticos podem absorver ainda mais o medicamento, o que é uma informação importante para médicos saberem ao prescrever a medicação.

A Conclusão

Este estudo não apenas adivinhou; construiu uma ponte entre um teste de laboratório simples e um corpo humano complexo. Ao combinar dados de dissolução reais com um modelo computacional, os pesquisadores criaram uma ferramenta confiável que pode prever como a lurasidona se comporta em diferentes pessoas e sob diferentes condições.

O artigo sugere que esta abordagem — usar testes de dissolução biorelevantes para alimentar modelos PBPK — funciona muito bem para medicamentos que têm dificuldade em se dissolver. Mostra que podemos prever efeitos de alimentos e até como o medicamento se comporta em pessoas com problemas de fígado sem a necessidade de realizar tantos ensaios clínicos caros e demorados em humanos reais. Embora o estudo tenha focado em apenas um medicamento e um tipo de comprimido, o método que utilizaram é uma forma poderosa de entender como os medicamentos funcionam, potencialmente tornando o desenvolvimento de fármacos mais rápido e seguro para todos.

Resumo Técnico: Estrutura IVISc Assistida por PBPK Informada pela Dissolução para o Cloridrato de Lurasidona

Definição do Problema
O cloridrato de lurasidona, um antipsicótico atípico de segunda geração classificado como Classe II no Sistema de Classificação Biofarmacêutica (BCS), apresenta baixa solubilidade aquosa e alta permeabilidade intestinal. Sua absorção oral é limitada pela dissolução e é significativamente influenciada pela fisiologia gastrointestinal, resultando em um pronunciado efeito de alimento positivo (aumento de aproximadamente 2 a 3 vezes na biodisponibilidade sob condições de alimentação/estado alimentado). Testes de dissolução convencionais em meios aquosos simples frequentemente falham em prever o desempenho in vivo de tais compostos de baixa solubilidade em água. Embora a modelagem Farmacocinética Baseada na Fisiologia (PBPK) e os testes de dissolução biorelevantes sejam ferramentas estabelecidas, permanece uma lacuna na integração de perfis de dissolução gerados experimentalmente a partir de múltiplos meios biorelevantes diretamente em simulações PBPK mecanísticas para estabelecer uma correlação in vitro–in silico (IVISc) robusta para a previsão de efeitos de alimentos e exposição sistêmica.

Metodologia
O estudo empregou um fluxo de trabalho sistemático integrando testes de dissolução biorelevantes experimentais com modelagem PBPK utilizando o PK-Sim® (versão 12.2):

Estudos de Dissolução Biorelevante: Perfis de dissolução de um comprimido de cloridrato de lurasidona de 40 mg foram gerados em quatro meios gástricos simulados: Fluido Gástrico Simulado em Estado de Jejum (FaSSGF), Fluido Gástrico Simulado em Estado Alimentado (FeSSGF), Fluido Intestinal Simulado em Estado de Jejum (FaSSIF) e Fluido Intestinal Simulado em Estado Alimentado (FeSSIF). Os experimentos foram conduzidos a 37°C usando o Aparelho USP II.
Análise Cinética e Estatística: Os dados de dissolução foram ajustados aos modelos cinéticos de Ordem Zero, Primeira Ordem, Higuchi e Korsmeyer–Peppas. Fatores de semelhança ( $f_2$ ) foram calculados para comparar os perfis entre os estados de jejum e alimentado.
Desenvolvimento do Modelo PBPK: Um modelo PBPK de corpo inteiro foi construído utilizando uma abordagem bottom-up. Parâmetros físico-químicos específicos do fármaco (ex: pKa, logP, solubilidade intrínseca, fração não ligada) e parâmetros fisiológicos foram obtidos da literatura e do banco de dados PK-Sim. O modelo incorporou trânsito gastrointestinal específico por região, solubilidade dependente do pH e metabolismo hepático mediado pelo CYP3A4.
Integração e Simulação: Perfis de dissolução derivados experimentalmente dos quatro meios foram integrados como entradas dependentes do tempo no modelo PBPK. As simulações foram realizadas para populações adultas virtuais sob condições de jejum e alimentação para prever perfis de concentração plasmática–tempo e parâmetros farmacocinéticos (PK) ( $C_{max}$ , $T_{max}$ , $AUC_{tend}$ ).
IVISc e Validação: Uma estrutura IVISc assistida por PBPK foi estabelecida correlacionando a extensão da dissolução aos 120 minutos com a exposição sistêmica prevista ( $AUC_{tend}$ ). O desempenho do modelo foi validado contra dados clínicos de PK externos usando erro de dobra (FE), erro de dobra absoluto médio (AAFE), análise de ajuste (goodness-of-fit) e verificações preditivas visuais (VPC).
Análise de Sensibilidade e de População Especial: A análise de sensibilidade identificou os principais drivers da exposição sistêmica. O modelo validado foi aplicado adicionalmente para simular a farmacocinética em uma população com insuficiência hepática (Child–Pugh B).

Principais Resultados

Comportamento de Dissolução: A dissolução foi significativamente influenciada pelas condições gastrointestinais ( $p < 0,001$ ). A maior liberação de fármaco foi observada no FeSSGF (85,1%), seguido pelo FeSSIF (78,8%), FaSSGF (61,8%) e FaSSIF (57,7%). O modelo de Korsmeyer–Peppas forneceu o melhor ajuste para a maioria dos meios, indicando um comportamento de liberação não-Fickiano (anômalo).
Previsões PBPK: O modelo traduziu com sucesso as entradas de dissolução em resultados de PK. As simulações de FeSSGF produziram o maior $C_{max}$ previsto (64,26 µmol/L) e $AUC_{tend}$ (5138,05 µmol·min/L). Comparado aos estados de jejum, as simulações de estado alimentado previram um aumento de 37,7% no $C_{max}$ e de 59,9% no $AUC_{tend}$ para condições gástricas, e de 36,3% e 40,2%, respectivamente, para condições intestinais.
Correlação IVISc: Uma forte relação linear foi estabelecida entre a porcentagem de fármaco dissolvido aos 120 minutos e o $AUC_{tend}$ previsto ( $R^2 = 0,9545$ ), confirmando que a extensão da dissolução direciona diretamente a exposição sistêmica no modelo.
Validação do Modelo: O modelo demonstrou excelente precisão preditiva. O erro de dobra médio (MFE) e o erro de dobra absoluto médio (AAFE) foram ambos de 1,04. Os erros de predição para $C_{max}$ e $AUC$ variaram de 3,67% a 3,98%, bem dentro dos critérios aceitos de $\pm 20\%$ . A análise de ajuste mostrou forte concordância ( $R^2 = 0,07$ para $C_{max}$ , $0,98$ para $AUC$).
Análise de Sensibilidade: A solubilidade e o clearance mediado pelo CYP3A4 foram identificados como os principais determinantes da exposição sistêmica, seguidos pela dose oral e permeabilidade efetiva.
Insuficiência Hepática: Simulações em indivíduos com insuficiência hepática previram um aumento no $C_{max}$ (de 64,2 para 77,0 µmol/L) e no $AUC_{tend}$ (de 5138,05 para 5395,20 µmol·min/L), refletindo a redução do clearance metabólico.

Significância e Alegações
O artigo afirma que a estrutura de dissolução informada por PBPK desenvolvida traduz com sucesso o comportamento de dissolução biorelevante em resultados farmacocinéticos com alta precisão preditiva. A IVISc integrada assistida por PBPK demonstra a previsão robusta de efeitos de alimentos e exposição sistêmica para o cloridrato de lurasidona.

Os autores posicionam este trabalho como uma aplicação prática do Desenvolvimento de Medicamentos Baseado em Modelos (MIDD). Eles afirmam que a estrutura suporta:

Otimização de Formulação: Ao vincular perfis de dissolução específicos à exposição prevista.
Previsão de Efeito de Alimento: Explicando mecanisticamente o efeito positivo de alimento através da solubilização e cinética de dissolução.
Avaliação de Populações Especiais: Demonstrando a capacidade do modelo de prever alterações de PK em insuficiência hepática.
Utilidade Regulatória: Alinhando-se às orientações da FDA e ICH (incluindo ICH M15) quanto ao uso de PBPK para aplicações biofarmacêuticas, bioequivalência virtual e redução da dependência de estudos clínicos extensos para fármacos de baixa solubilidade em água.

O estudo conclui que esta abordagem fornece uma alternativa mecanística às correlações in vitro–in vivo (IVIVC) empíricas, oferecendo uma ferramenta validada para avaliar o impacto da fisiologia gastrointestinal na absorção de fármacos da Classe II do BCS.