Precyzja zamiast rutyny. Nowa „populacyjna”perspektywa farmacji klinicznej

Z tego tekstu dowiesz się:

• jakie są praktyczne zastosowania modelowania farmakokinetyki populacyjnej (popPK)
• jak ocenić i dobrać odpowiedni model dostosowany do potrzeb
• w jaki sposób wykorzystać model, by stał się użytecznym narzędziem klinicznym
• jakie aplikacje moga okazać się przydatne w modelowaniu popPK
• w jakich dziedzinach, obok antybiotykoterapii, sprawdzi się metodologia modelowania popPK

Modelowanie farmakokinetyki populacyjnej (popPK) stanowi kluczowy aspekt współczesnej medycyny spersonalizowanej, pozwalający przejść od uśrednionych schematów dawkowania do precyzyjnych decyzji klinicznych przy łóżku pacjenta. Niniejszy artykuł przybliża praktyczne aspekty popPK, od krytycznej oceny modeli i interpretacji wyników symulacji po wsparcie decyzji klinicznych w odniesieniu do szczególnych grup pacjentów. Przedstawiono w nim nie tylko klasyczne zastosowania w antybiotykoterapii, ale także innowacyjne podejścia w onkologii, pozwalające
na optymalizację kosztów leczenia, oraz psychiatrii dziecięcej, gdzie popPK staje się fundamentem bezpiecznego dawkowania SSRI. Publikacja prezentuje również autorskie narzędzia cyfrowe opracowane przez naukowców zainteresowanych klinicznym zastosowaniem popPK (między innymi Polskie Towarzystwo Farmacji Klinicznej), redefiniując rolę farmaceuty szpitalnego jako „architekta bezpiecznej terapii”. To zwięzłe kompendium udowadnia, że zaawansowane modele matematyczne są dziś niezbędnym (lub co najmniej wartym zainteresowania) narzędziem optymalizacji efektów leczenia w nowoczesnym szpitalu.

farmakokinetyka populacyjna, farmacja kliniczna, precyzyjne dawkowanie oparte na modelach

Modelowanie populacyjne farmakoki­netyki (popPK) przebyło fascynującą drogę – od wspierania decyzji rozwoju nowych leków na etapie badań klinicz­nych (Model-Informed Drug Develop­ment) aż po codzienne wsparcie decy­zji terapeutycznych (Model-Informed Precision Dosing). Choć u podstaw popPK leży stosunkowo skompliko­wana matematyka, jego cel kliniczny jest prosty: zrozumienie, dlaczego dany lek u różnych pacjentów zachowuje się inaczej. Dziś narzędzie to w połączeniu z symulacjami pozwala na precyzyj­ną optymalizację dawkowania w tzw. szczególnych populacjach pacjentów (np. u noworodków, pacjentów z nie­wydolnością nerek czy osób w stanie krytycznym), gdzie standardowe sche­maty terapeutyczne z Charakterystyk Produktów Leczniczych czy dostępnych rekomendacji wydają się być niewy­starczające.

W ostatnich latach obserwujemy istotną, korzystną dla nas wszystkich zmianę w wykorzystaniu tej metodolo­gii. Modele popPK przestały pełnić wy­łącznie funkcję opisową dla parametrów farmakokinetycznych danej populacji. Obecnie stanowią one fundament do przeprowadzania zaawansowanych sy­mulacji scenariuszy klinicznych, które pozwalają na wypracowanie konkret­nych rekomendacji dawkowania zamiast dostarczania jedynie surowych danych statystycznych.

Najlepszym dowodem na to, że nie jest to jedynie nasz punkt widzenia, są nowoczesne standardy i rekomendacje dawkowania. W uznanym na całym świecie przewodniku Stanford Health Care Antimicrobial Dosing Referen­ce Guide znaczna część wytycznych dotyczących antybiotykoterapii opie­ra się właśnie na wynikach symulacji przeprowadzonych z użyciem modeli populacyjnych [1]. To wyraźny sygnał, że modelowanie matematyczne stało się pełnoprawnym narzędziem wspie­rającym bezpieczeństwo i skuteczność terapii.

Wdrożenie modelu popPK w codzienną praktykę kliniczną rozpoczyna się od rzetelnego przeglądu literatury. Licz­ba dostępnych modeli rośnie skokowo, jednak nie każdy z nich posiada te same walory aplikacyjne. Kluczem do sukcesu jest precyzyjne sformułowanie zapytania w bazach bibliograficznych, takich jak np. PubMed.

Aby zoptymalizować proces wyszu­kiwania i odnaleźć prace, które nie tylko opisują kinetykę, ale również dostarczają gotowych parametrów populacyjnych, rekomendujemy stosowanie ustandary­zowanej frazy: “nazwa leku” [ti] AND (pharmacokinetic* [tiab] OR “popula­tion pharmacokinetic*” [tiab])

Zastosowanie tagu [ti] (tytuł) dla substancji czynnej oraz [tiab] (tytuł i abstrakt) dla terminologii popPK pozwala na szybką identyfikację klu­czowych publikacji. Dla czytelników, którzy chcieliby usystematyzować swoją wiedzę z zakresu zaawansowa­nego przeszukiwania bazy PubMed, zostawiamy krótki tutorial autorstwa Carrie Price z Welch Medical Library, Johns Hopkins University and Medicine w formie wideo (dostępny pod linkiem: tutorial z przeszukiwania bazy PubMed).

Znalezienie publikacji to dopiero po­czątek. Jako farmaceuci (w tym far­maceuci kliniczni) musimy dokonać krytycznej oceny jakości modelu przed jego implementacją. Model matema­tyczny jest tylko przybliżeniem rzeczy­wistości, a jego wartość w podejmowa­niu decyzji terapeutycznych zależy od precyzji statystycznej i rygoru walida­cji. Na jakie parametry należy zwrócić szczególną uwagę?

• Liczebność i reprezentatywność populacji – model powinien opie­rać się na jak największej liczbie pacjentów (N) oraz próbek, co zapewnia stabilność oszacowań. Kluczowe jest, aby populacja, na której budowano model, była zbieżna z profilem naszego pacjen­ta (np. wiek, masa ciała, funkcja narządów).
• Precyzja parametrów (RSE%) – wartości błędu standardowego (Relative Standard Error) dla klu­czowych parametrów struktural­nych (takich jak klirens – CL czy objętość dystrybucji – V) nie po­winny przekraczać 50%. Wyższe wartości sugerują niewystarczającą informatywność danych wejścio­wych.
• Zjawisko „shrinkage” – jeśli pla­nujemy wykorzystać model do estymacji parametrów indywidu­alnych, shrinkage dla zmienności międzyosobniczej (eta) powinien wynosić poniżej 40%. Zbyt wyso­ki shrinkage maskuje rzeczywistą zmienność pacjenta, „ściągając” wyniki zbyt mocno ku średniej populacyjnej.
  • Walidacja wizualna – niezbędnym elementem publikacji są wykresy diagnostyczne. Szukamy przede wszystkim: Observed vs Predicted (Obs vs Pred) – gdzie punkty powinny symetrycznie oscylować wokół linii jedności (rycina 1).
  • VPC lub pcVPC (Visual Pre­dictive Check or prediction cor­rected Visual Predictive Check) to „złoty standard” walidacji. Model uznajemy za wiarygodny, gdy rzeczywiste dane obserwo­wane (np. mediana i percentyle) mieszczą się w przedziałach uf­ności wygenerowanych podczas symulacji modelu (rycina 2).

Warto zaznaczyć, że publikacje do­starczające jedynie surowych wartości parametrów (tzw. typical values), choć naukowo cenne, wymagają od użyt­kownika wykonania samodzielnych symulacji w specjalistycznym oprogra­mowaniu (np. R, NONMEM, Monolix). Nie jest to niestety proces zbyt intuicyjny dla osób, które nie mają na co dzień styczności z modelowaniem popPK.

Jednakże większość nowszych pu­blikacji, celujących w zastosowania kliniczne, dostarcza gotowe wyniki symulacji w formie przejrzystych tabel, nomogramów lub grafik. Pozwalają one na natychmiastową ocenę skuteczności różnych schematów dawkowania bez konieczności programowania algoryt­mów konkretnych symulacji. Proces ten najłatwiej prześledzić na przykładzie antybiotykoterapii, gdzie cele terapeu­tyczne są ściśle zdefiniowane.

W antybiotykoterapii modelowanie po­pPK pozwala odpowiedzieć na pytanie: z jakim prawdopodobieństwem dany schemat dawkowania pozwoli osiągnąć cel terapeutyczny u konkretnego pacjen­ta? Aby to ocenić, musimy odnieść sy­mulacje do mechanizmu działania leku:

• Leki oceniane przez pole pod krzy­wą (np. wankomycyna) – celem jest stosunek f AUC24/MIC. To obecnie standard w monitorowaniu wanko­mycyny, odchodzący od prostego pomiaru stężeń minimalnych na rzecz modeli popPK.
• Antybiotyki czasowo-zależne (np. beta-laktamy) – naszym celem jest wskaźnik f T>MIC, czyli czas, w którym stężenie wolnej frakcji leku przewyższa minimalne stężenie ha­mujące drobnoustrój.
• Antybiotyki stężeniowo-zależne (np. aminoglikozydy) – tu kluczowy jest parametr Cmax/MIC, czyli stosu­nek maksymalnego stężenia do MIC. Modelowanie pozwala sprawdzić, czy dawka raz na dobę zapewni odpo­wiednio silne „uderzenie” (zazwyczaj Cmax/MIC≥8-10), minimalizując jed­nocześnie ryzyko nefrotoksyczności.

Pojęcie PTA (Probability of Target Attainment) to najważniejszy wskaźnik w obecnej literaturze popPK w kontekście antybiotykoterapii. Jeśli tabela symulacji wskazuje, że dla danej dawki PTA wynosi 90%, oznacza to, że u 90 na 100 symulowanych wirtualnych pacjentów o tej samej charakterystyce uda się osiągnąć cel PK/PD.

• PTA ≥ 90% (lub 95%) – to standar­dowe progi uznawane za bezpieczne. Jeśli tabela pokazuje, że przy stan­dardowym dawkowaniu PTA spada poniżej 90% dla danego MIC, jest to jasny sygnał do modyfikacji terapii (np. zwiększenia dawki, zmniej­szenia odstępu między kolejnymi dawkami lub zastosowania wlewu przedłużonego).
• Interpretacja kaskadowa: – czytając tabelę, patrzymy na punkt, w którym prawdopodobieństwo sukcesu gwał­townie spada wraz ze wzrostem MIC. Dzięki temu farmaceuta może wska­zać lekarzowi: „Przy tym patogenie standardowe podanie daje nam tylko 60% szans na sukces, ale zamiana na wlew 4-godzinny zwiększa tę szansę do 95%”.

Takie podejście zmienia rolę farma­ceuty z reaktywnej (sprawdzanie stęże­nia po fakcie) na proaktywną, umoż­liwiając projektowanie optymalnego leczenia już w pierwszej dobie terapii, co ma kluczowe znaczenie w stanach ciężkich oraz narastającej oporności drobnoustrojów.

Przykłady przedstawienia rekomen­dacji dawkowania w formie tabelarycz­nej i graficznej znajdują się kolejno w ta­beli 1 i na rycinie 3.

Choć tabele i nomogramy są ogrom­nym ułatwieniem, coraz częściej autorzy modeli popPK idą o krok dalej, „za­mykając” swoje matematyczne modele w formie interaktywnych aplikacji do symulacji profili farmakokinetycznych. To podejście rewolucjonizuje sposób, w jaki farmaceuta może optymalizo­wać terapię a priori (czyli przed poda­niem pierwszej dawki). Zamiast szu­kać pacjenta w tabeli, która może nie uwzględniać jego specyficznych cech, wprowadzamy dane bezpośrednio do kalkulatora, który oparty jest na stwo­rzonym wcześniej modelu.

Świetnym przykładem jest interak­tywne narzędzie AMKdose opracowa­ne przez zespół Pérez-Blanco i wsp. dla amikacyny [4]minimum objective function value, prediction-corrected visual predictive check, bootstrapping, precision and bias of parameter esti­mates were used for model evaluation. An interactive model-based simulation tool was developed in R (Shiny and R Markdown. Autorzy stworzyli aplikację dedykowaną populacji pacjentów z hi­poalbuminemią znacznie utrudniającą terapię tym lekiem. Aminoglikozydy są hydrofilne, a zmiany w stężeniu albu­min czy objętości płynów drastycznie wpływają na ich dystrybucję. Aplikacja ta pozwala uwzględnić nie tylko masę ciała czy klirens kreatyniny, ale także stężenie albumin oraz wpływ jedno­czesnego stosowania wankomycyny. Dzięki temu farmaceuta może w czasie rzeczywistym symulować, czy dany schemat dawkowania pozwoli osią­gnąć założone cele PK/PD (takie jak Cmax/MIC>10, %T>MIC>60% oraz AUC/MIC≥80). Co więcej, narzędzie to potrafi wskazać „maksymalne skutecz­ne MIC”, przy którym wybrana dawka wciąż gwarantuje PTA na poziomie co najmniej 90%. Link do AMKdose.

Kolejnym krokiem w ekspansji modeli popPK są kompleksowe plat­formy, takie jak TDMx, opracowany przez zespół niemieckich naukowców, matematyków i klinicystów [5]. Jest to ogólnodostępne narzędzie webowe, któ­re integruje zweryfikowane modele po­pPK dla kluczowych antybiotyków: me­ropenemu, piperacyliny, wankomycyny oraz aminoglikozydów (gentamycyny, amikacyny i tobramycyny), wliczając w to modele gentamycyny dla populacji neonatologicznej oraz pediatryczno-on­kologicznej. Link do TDMx.

Udostępnienie takich narzędzi spra­wia, że skomplikowana metodologia popPK staje się intuicyjna. Farma­ceuta nie musi być matematykiem ani programistą, by korzystać z „mądrości” zawartej w populacyjnych modelach farmakokinetycznych. Może on skupić się na tym, co najważniejsze – interpre­tacji wyników i dostarczeniu lekarzo­wi gotowej, bezpiecznej rekomendacji dawkowania, opartej na najwyższej jakości dowodach naukowych.

Od autora: W ramach wewnętrznej kooperacji pomiędzy sekcjami Polskie­go Towarzystwa Farmacji Klinicznej (PTFK), bazując na modelu Smit i wsp., opracowaliśmy aplikację do symulacji profili PK gentamycyny oraz oceny jej celów PK/PD [6]. Równolegle pracujemy nad analogicznym rozwiązaniem dla wankomycyny korzystającym z modelu Goti i wsp [7]. Tym razem idziemy jed­nak o krok dalej – zamiast manualnego testowania różnych wariantów dawko­wania, system sam wygeneruje gotową, zoptymalizowaną rekomendację dla kon­kretnego pacjenta. Zdejmuje to z klinicysty ciężar porównywania wielu scenariuszy, skracając drogę do podjęcia decyzji te­rapeutycznej. Oba narzędzia są obecnie na etapie walidacji zewnętrznej (rycina 4 i rycina 5).

Choć antybiotyki ze swoimi „twardy­mi” celami PK/PD stanowią wdzięczny materiał do nauki modelowania, war­to podkreślić, że popPK to narzędzie o znacznie szerszym spektrum rażenia. Wkracza ono wszędzie tam, gdzie stan­dardowe dawkowanie okazuje się zbyt „sztywne” dla dynamicznej rzeczywi­stości klinicznej.

Spektakularnym przykładem wyko­rzystania tej metodologii jest immu­noonkologia. Badania specjalistów z Francji nad niwolumabem (Puszkiel i wsp.) pokazały, że dzięki symulacjom opartym na modelach populacyjnych, możliwe jest stosunkowo bezpieczne dla zachowania skuteczności wydłuże­nie odstępów między dawkami niwo­lumabu (np. z 240 mg co 2 tygodnie do 240 mg co 6 tygodni). Co to oznacza w praktyce? Dla pacjenta to rzadsze wizyty w szpitalu i lepsza jakość ży­cia. Dla systemu ochrony zdrowia to potężny argument farmakoekonomicz­ny – symulacje wykazały, że taka opty­malizacja może obniżyć roczne koszty terapii niwolumabem nawet trzykrot­nie, przy jednoczesnym zachowaniu stężeń terapeutycznych u ponad 95% pacjentów [9].

W psychiatrii dziecięcej modelowanie populacyjne pełni rolę szczególną – staje się fundamentem bezpieczeństwa tam, gdzie brakuje oficjalnych wytycznych. Nie jest tajemnicą, że pediatria od lat boryka się z deficytem badań klinicz­nych, co zmusza lekarzy do stosowania leków w trybie off-label, często w oparciu o intuicyjne skalowanie dawek z popu­lacji dorosłych. Jednak podejście „mały dorosły” w pediatrii bywa zawodne i ry­zykowne.

W tym kontekście popPK jawi się jako potężne narzędzie do poszukiwa­nia rzetelnych schematów dawkowania. Doskonałym przykładem jest niedawna analiza dla escitalopramu i sertraliny (Poweleit i wsp.). Naukowcy, dysponując w przewadze pojedynczymi pomiarami stężeń od kilkuset pacjentów pediatrycz­nych, stworzyli modele, które pozwalają na obiektywne wyznaczenie dawek star­towych i podtrzymujących w populacji pediatrycznej. To właśnie dzięki popPK zyskujemy pewność, że proponowana terapia nie jest „strzałem na oślep”, ale wynikiem analizy rzeczywistej kinetyki leku u dzieci [10].

Modelowanie popPK to znacznie więcej niż akademicka ciekawostka czy zbiór skomplikowanych równań. To przede wszystkim zmiana paradygmatu – przej­ście od reaktywnego „sprawdzania stę­żeń” do proaktywnego projektowania terapii. Jak pokazały przytoczone przy­kłady, korzyści z tej metodologii wykra­czają daleko poza samą antybiotykote­rapię, dlatego warto poszukać danych dotyczących również innych obszarów terapeutycznych.

Potraktujcie ten tekst jedynie jako wstęp do znacznie szerszej dyskusji. Przy okazji prześledzenia omówionych przykładów zachęcamy również do zer­knięcia do pełnych tekstów cytowanych w artykule publikacji naukowych, w któ­rych drzemie merytoryczna esencja, któ­ra pozwala w pełni poszerzyć horyzont poznawczy i dostrzec potencjał, jaki daje matematyczny opis losów leku. Współ­czesna farmacja szpitalna i kliniczna potrzebują ekspertów, którzy potrafią patrzeć poza utarte schematy – a mo­delowanie popPK jest do tego idealnym narzędziem.

1. Stanford Health Care Antimicrobial Do­sing Reference Guide [Internet]. Dostęp z: https://med.stanford.edu/content/dam/sm/ bugsanddrugs/documents/antimicrobial-do­sing-protocols/SHC-ABX-Dosing-Guide.pdf [cytowano:15.04.2026 r.]
2. Adamiszak A, Bienert A. Do critically ill patients undergoing continuous renal repla­cement therapy require levofloxacin dosage adjustments? Levofloxacin PopPK model and dosage simulations based on retrospective data and developed using open-source R pac­kages [Internet].2025;33:Abstr 11315 [www. page-meeting.org/?abstract=11315]. Dostęp z: https://www.page-meeting.org/Abstracts/ do-critically-ill-patients-undergoing-conti­nuous-renal-replacement-therapy-require­-levofloxacin-dosage-adjustments-levofloxa­cin-poppk-model-and-dosage-simulations­-based-on-retrospective-data-and-deve/ [cytowano: 15.04.2026 r.]
3. Adamiszak A, Pietrzkiewicz K, Bartkow­ska-Śniatkowska A, Smuszkiewicz P, Ku­sza K, Grześkowiak E, et al. Do Critically Ill Patients Undergoing Continuous Renal Replacement Therapy Require Ceftaroline Dosage Adjustments? Ceftaroline PopPK Model and Dosage Simulations with the Probability of Target Attainment Analysis Based on Retrospective Data. Antibiotics (Basel). 2025;14:347. https://doi.org/10.3390/ antibiotics14040347.
4. Pérez-Blanco JS, Sáez Fernández EM, Calvo MV, Lanao JM, Martín-Suárez A. Amika­cin initial dosage in patients with hypoal­buminaemia: an interactive tool based on a population pharmacokinetic approach. Journal of Antimicrobial Chemotherapy. 2020;75:2222–31. https://doi.org/10.1093/ jac/dkaa158.
5. TDMx – Launch TDMx [Internet]. Dostęp z: http://54371097.swh.strato-hosting.eu/ Launch-TDMx/ [cytowano: 15.04.2026 r.]
6. Smit C, van Schip AM, van Dongen EPA, Brüggemann RJM, Becker ML, Knibbe CAJ. Dose recommendations for gentamicin in the real-world obese population with varying body weight and renal (dys)function. J An­timicrob Chemother. 2020;75:3286–92. https:// doi.org/10.1093/jac/dkaa312.
7. Goti V, Chaturvedula A, Fossler MJ, Mok S, Ja­cob JT. Hospitalized Patients With and Witho­ut Hemodialysis Have Markedly Different Vancomycin Pharmacokinetics: A Population Pharmacokinetic Model-Based Analysis. Ther Drug Monit. 2018;40:212–21. https:// doi.org/10.1097/FTD.0000000000000490.
8. Adamiszak A, Łój P. Co jeśli TDM nie jest dostępny, albo poszukujemy dawki inicju­jącej? Symulacje w oparciu o populacyjny model PK gentamycyny przy użyciu posolo­gyr opakowany w przyjazną użytkownikowi aplikację R Shiny! Książka Abstraktów III Sympozjum Polskiego Towarzystwa Farmacji Klinicznej. Wrocław; 2025. Dostęp z: https:// ptfk2025.syskonf.pl/conf-data/ptfk2025/files/ III%20PTFK_program_pdf.pdf [cytowano: 15.04.2026 r.]
9. Puszkiel A, Bianconi G, Pasquiers B, Bala­kirouchenane D, Arrondeau J, Boudou-Ro­uquette P, et al. Extending the dosing intervals of nivolumab: model-based simulations in unselected cancer patients. Br J Cancer. 2024;130:1866–74. https://doi.org/10.1038/ s41416-024-02659-x.
10. Poweleit EA, Taylor ZL, Mizuno T, Vaughn SE, Desta Z, Strawn JR, et al. Escitalopram and sertraline population pharmacokinetic analy­sis in pediatric patients. Clin Pharmacokinet. 2023;62:1621–37. https://doi.org/10.1007/ s40262-023-01294-8.