DOI: https://doi.org/10.1007/s00228-025-03974-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41553521
تاريخ النشر: 2026-01-19
المؤلف: Yi Zeng وآخرون
الموضوع الرئيسي: الأدوية البيولوجية وطرق التحليل البيولوجي
نظرة عامة
تسلط الأبحاث الضوء على الموافقة على الأتيزوليزوماب لعلاج أنواع مختلفة من السرطان، بما في ذلك سرطان الخلايا الانتقالية المتقدم محليًا أو النقيلي، الميلانوما النقيلي، وسرطان الكبد الخلوي، مما يبرز تعدد استخداماته كعامل علاجي. الجرعات الموصى بها للأتيزوليزوماب هي 840 ملغ كل أسبوعين، 1200 ملغ كل 3 أسابيع، أو 1680 ملغ كل 4 أسابيع. ومن الجدير بالذكر أنه تم ملاحظة اتجاه ملحوظ (N = 1007، p = 0.027) يشير إلى زيادة حدوث الأحداث الضائرة ذات الاهتمام الخاص (AESI) عند جرعة 1200 ملغ كل 3 أسابيع، مما يشير إلى وجود علاقة بين التعرض الأعلى والآثار الضائرة.
في دراسة سابقة، قام المؤلفون بتكرار نموذج الانحدار اللوجستي باستخدام التعرضات المحاكاة (منطقة الحالة الثابتة تحت المنحنى من 1200 ملغ كل 3 أسابيع) ووجدوا اتجاهًا مشابهًا (p = 0.022؛ α = 0.05) فيما يتعلق بـ AESI. نتيجة لذلك، اقترحوا نظام جرعات بديل أقل يهدف إلى الحفاظ على تركيزات الدواء فوق 6 ميكروغرام/مل، والذي يُعرف بأنه الحد الأدنى من التركيز الفعال (MEC) للأتيزوليزوماب عند استخدامه مع البيفاسيزوماب.
مقدمة
تناقش مقدمة ورقة البحث استخدام الأتيزوليزوماب، وهو جسم مضاد وحيد النسيلة مُعَدَل يستهدف PD-L1، كعلاج خط أول لسرطان الرئة غير صغير الخلايا النقيلي (mNSCLC) مع تعبير عالي عن PD-L1. تسلط الدراسة الضوء على التحديات المرتبطة بأساليب تحليل الدواء التقليدية (PK)، وخاصة الاستخدام المشترك لبرامج NONMEM وR، والتي تتطلب خبرة ووقتًا كبيرين بسبب تعقيد التعامل مع مجموعات البيانات الكبيرة.
لمعالجة هذه التحديات، قدم المؤلفون برنامج Pumas، وهو برنامج جديد تم تطويره بلغة جوليا، مصمم لتبسيط تحليل PK. تهدف الورقة إلى مقارنة فعالية وكفاءة Pumas مقابل الطريقة التقليدية NONMEM وR في محاكاة أنظمة جرعات بديلة للأتيزوليزوماب. تركز المقارنة على أوقات المعالجة والقدرات العامة لـ Pumas في إجراء تحليلات PK شاملة، مما يوفر رؤى حول التحسينات المحتملة في سير عمل نمذجة الدواء.
الطرق
في هذه الدراسة، استخدم المؤلفون نموذج دوائي سكاني (PK) تم تأسيسه مسبقًا لمحاكاة أنظمة جرعات بديلة ذات فترات ممتدة للأتيزوليزوماب في سرطان الرئة غير صغير الخلايا (NSCLC). باستخدام R 4.3.3 ومحاكاة مونت كارلو عبر NONMEM 7.5.1 وPirana 2.9.9، قاموا بإنشاء مجموعة مرضى افتراضية مكونة من 1,000 فرد، مع ديموغرافيات تشمل أعمارًا تتراوح من 20 إلى 80 عامًا واحتمالية 40% لتكوين أجسام مضادة ضد الدواء. شملت المحاكاة نظام جرعات قياسي قدره 1200 ملغ كل ثلاثة أسابيع (Q3W) إلى جانب ثلاثة أنظمة بديلة مصممة للحفاظ على تركيز فعال أدنى (MEC) قدره 6 ميكروغرام/مل.
أعادت الدراسة إنشاء نموذج PK السكاني باستخدام Pumas 2.5.1، وهو منصة برمجية دوائية، وقارنت النتائج عبر Pumas وNONMEM وRxODE. تم حساب إحصائيات ملخصة لأقصى تركيز ($C_{MAX}$)، وأدنى تركيز ($C_{MIN}$)، والمساحة تحت المنحنى الأسبوعية (AUC) لكل من الدورات الأولى والأخيرة في الحالة الثابتة، مع تمثيلات رسومية تبرز الوسيط وفترات التنبؤ بنسبة 90%. تم إجراء المحاكاة على نظام كمبيوتر موحد لضمان الاتساق في سرعة المعالجة والدقة عبر حزم النمذجة المختلفة.
النتائج
تشير نتائج الدراسة إلى أن المعلمات الدوائية المستمدة من ثلاث طرق محاكاة مختلفة لكل من نظام الجرعات القياسي وثلاثة أنظمة ذات فترات ممتدة كانت متسقة، كما هو موضح في الجدول 2 والمواد التكميلية. تم توضيح ملفات تركيز المصل للأتيزوليزوماب لدورات 1 و7 عبر ثلاث صور، حيث تظهر الصورة 1 نظام الجرعات 840 ملغ كل أسبوعين (Q2W) لدورتين تليها 840 ملغ كل ستة أسابيع (Q6W)، وتظهر الصورة 2 1200 ملغ كل ثلاثة أسابيع (Q3W) لدورتين تليها 840 ملغ Q6W، وتمثل الصورة 3 1680 ملغ كل أربعة أسابيع (Q4W) تليها 840 ملغ Q6W.
تفاوتت الكفاءة الحاسوبية لطرق المحاكاة بشكل كبير. كانت محاكاة جميع الدورات السبع لـ 1,000 مريض افتراضي أكثر استهلاكًا للوقت بشكل ملحوظ من محاكاة كل دورة على حدة. على وجه التحديد، أكمل Pumas محاكاة 1,688,000 نقطة بيانات في حوالي 51 ثانية (33,273 ملاحظة في الثانية)، بينما استغرق NONMEM حوالي 5.9 دقيقة (4,782 ملاحظة/ثانية)، واستغرق RxODE حوالي 112 دقيقة (251 ملاحظة/ثانية). بالنسبة للدورة 1 من أول نظام جرعات ممتد (840 ملغ Q2W x2، 840 ملغ Q6W x5)، قام Pumas بمحاكاة 344,000 ملاحظة في أقل من ثانية و5 ثوانٍ إضافية لحفظ النتائج، محققًا معدل 54,442 ملاحظة/ثانية. في المقابل، استغرق NONMEM وRxODE 47 ثانية و44 ثانية، على التوالي، لمحاكاة 145,000 و146,000 ملاحظة، محققين معدلات 3,104 ملاحظة/ثانية و3,337 ملاحظة/ثانية.
المناقشة
في مناقشة ورقة البحث، يقارن المؤلفون أداء ثلاث منصات برمجية دوائية: NONMEM وPumas وRxODE. أنتجت جميع المنصات الثلاثة مقاييس تعرض مشابهة عبر أربعة أنظمة جرعات؛ ومع ذلك، أظهر Pumas ميزة كبيرة في سرعة المعالجة، حيث كان أسرع بعشر مرات على الأقل من NONMEM وRxODE. تُعزى هذه الميزة في السرعة إلى تحسينات في الخلفية في محلل ODE واستخدام طرق تكامل فعالة متاحة في حزمة جوليا differentialEquations. على الرغم من التباين في مدة المحاكاة والتأخيرات المحتملة عند تنفيذ عدة أسطر من التعليمات البرمجية، يحافظ Pumas بكفاءة على تركيزات المصل فوق المستويات المستهدفة، مقارنة بالجرعات الموصى بها حاليًا.
كما يبرز المؤلفون سهولة استخدام Pumas وR، حيث يسمحان بسير عمل مبسط يشمل المحاكاة، والتحليل غير الحجمي (NCA)، ومعالجة البيانات، والتحليل الرسومي ضمن بيئة واحدة. في المقابل، يتطلب NONMEM أدوات إضافية للتعامل مع البيانات والتصور، بينما يوفر RxODE، على الرغم من كونه أبطأ مع مجموعات البيانات الكبيرة، بديلاً مفتوح المصدر قد يكون أكثر وصولاً للمستخدمين ذوي القيود الميزانية. تختتم الورقة بالقول إنه بينما لكل برنامج نقاط قوته وضعفه، فإن الاختيار يعتمد في النهاية على الاحتياجات والقيود المحددة للمستخدم، مما يبرز أهمية الاستكشاف المستمر لتحسين سير عمل البرمجيات الدوائية.
DOI: https://doi.org/10.1007/s00228-025-03974-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41553521
Publication Date: 2026-01-19
Author(s): Yi Zeng et al.
Primary Topic: Biosimilars and Bioanalytical Methods
Overview
The research highlights the approval of atezolizumab for various cancers, including locally advanced or metastatic urothelial cancer, metastatic melanoma, and hepatocellular carcinoma, underscoring its versatility as a therapeutic agent. The recommended dosing regimens for atezolizumab are 840 mg every 2 weeks, 1200 mg every 3 weeks, or 1680 mg every 4 weeks. Notably, a significant trend (N = 1007, p = 0.027) indicating an increased incidence of adverse events of special interest (AESI) was observed at the 1200 mg q3w dosage, suggesting a correlation between higher exposure and adverse effects.
In a prior study, the authors replicated a logistic regression model using simulated exposures (steady state area under the curve from 1200 mg q3w) and found a similar trend (p = 0.022; α = 0.05) regarding AESI. As a result, they proposed an alternative lower dosage regimen aimed at maintaining drug concentrations above 6 µg/mL, which is identified as the minimum effective concentration (MEC) of atezolizumab when used in combination with bevacizumab.
Introduction
The introduction of the research paper discusses the use of Atezolizumab, a humanized monoclonal antibody that targets PD-L1, as a first-line treatment for metastatic non-small cell lung cancer (mNSCLC) with high PD-L1 expression. The study highlights the challenges associated with traditional pharmacokinetic (PK) analysis methods, specifically the combined use of NONMEM and R software, which require significant expertise and time due to the complexity of handling large datasets.
To address these challenges, the authors introduce Pumas, a novel software developed in Julia, designed to streamline PK analysis. The paper aims to compare the efficacy and efficiency of Pumas against the conventional NONMEM and R approach in simulating alternative dosage regimens for Atezolizumab. The comparison focuses on processing times and the overall capabilities of Pumas in conducting comprehensive PK analyses, thereby providing insights into potential improvements in pharmacokinetic modeling workflows.
Methods
In this study, the authors employed a previously established population pharmacokinetic (PK) model to simulate alternative extended-interval dosing regimens for atezolizumab in non-small cell lung cancer (NSCLC). Utilizing R 4.3.3 and Monte Carlo simulations via NONMEM 7.5.1 and Pirana 2.9.9, they generated a virtual patient population of 1,000 individuals, with demographics including ages ranging from 20 to 80 years and a 40% probability of forming anti-drug antibodies. The simulations included a standard dosing regimen of 1200 mg every three weeks (Q3W) alongside three alternative regimens designed to maintain a minimum effective concentration (MEC) of 6 µg/mL.
The study recreated the population PK model using Pumas 2.5.1, a pharmacometric software platform, and compared results across Pumas, NONMEM, and RxODE. Summary statistics for maximum concentration ($C_{MAX}$), minimum concentration ($C_{MIN}$), and weekly area under the curve (AUC) were calculated for both the first and final cycles at steady state, with graphical representations highlighting the median and 90% prediction intervals. The simulations were conducted on a standardized computer system to ensure consistency in processing speed and accuracy across the different modeling packages.
Results
The results of the study indicate that the pharmacokinetic parameters derived from three different simulation methods for both the standard dosing regimen and three extended-interval regimens were consistent, as shown in Table 2 and the Supplemental Material. The serum concentration profiles of atezolizumab for cycles 1 and 7 were illustrated across three figures, with Figure 1 depicting the regimen of 840 mg every two weeks (Q2W) for two cycles followed by 840 mg every six weeks (Q6W), Figure 2 showing 1200 mg every three weeks (Q3W) for two cycles followed by 840 mg Q6W, and Figure 3 representing 1680 mg every four weeks (Q4W) followed by 840 mg Q6W.
The computational efficiency of the simulation methods varied significantly. Simulating all seven cycles for 1,000 virtual patients was notably more time-consuming than simulating each cycle individually. Specifically, Pumas completed the simulation of 1,688,000 data points in approximately 51 seconds (33,273 observations per second), while NONMEM required about 5.9 minutes (4,782 obs/sec), and RxODE took around 112 minutes (251 obs/sec). For cycle 1 of the first extended interval regimen (840 mg Q2W x2, 840 mg Q6W x5), Pumas simulated 344,000 observations in less than a second and an additional 5 seconds to save the results, achieving a rate of 54,442 obs/sec. In contrast, NONMEM and RxODE took 47 seconds and 44 seconds, respectively, to simulate 145,000 and 146,000 observations, yielding rates of 3,104 obs/sec and 3,337 obs/sec.
Discussion
In the discussion of the research paper, the authors compare the performance of three pharmacometric software platforms: NONMEM, Pumas, and RxODE. All three platforms produced similar exposure metrics across four dosing regimens; however, Pumas demonstrated a significant advantage in processing speed, being at least ten times faster than NONMEM and RxODE. This speed advantage is attributed to backend optimizations in the ODE solver and the use of efficient integration methods available in the Julia package differentialEquations. Despite the variability in simulation duration and potential delays when executing multiple lines of code, Pumas efficiently maintains serum concentrations above target levels, comparable to current recommended doses.
The authors also highlight the user-friendliness of Pumas and R, as they allow for a streamlined workflow encompassing simulation, non-compartmental analysis (NCA), data wrangling, and graphical analysis within a single environment. In contrast, NONMEM requires additional tools for data handling and visualization, while RxODE, although slower with larger datasets, offers an open-source alternative that may be more accessible for users with budget constraints. The paper concludes that while each software has its strengths and limitations, the choice ultimately depends on the specific needs and constraints of the user, emphasizing the importance of ongoing exploration into optimizing pharmacometric software workflows.