Ontwikkeling en optimalisatie van een validatie- en implementatiestrategie voor model-geïnformeerde precisiedosering van biologische en antimicrobiële geneesmiddelen

Een standaard doseringsaanpak is niet werkzaam en veilig in tal van patiëntenpopulaties. Sommige patiënten hebben baat bij een aangepaste en gepersonaliseerde doseringsstrategie, waarbij een doelwitblootstelling (farmacokinetiek) correleert met de goede respons (farmacodynamiek). Tal van farmacokinetische studies zijn uitgevoerd door ons en anderen in de domeinen van antimicrobiële therapie en ontstekingsremmende biologische geneesmiddelen. Deze studies maakten het mogelijk om dosis-blootstelling-responsrelaties te modelleren en om farmacokinetische parameters te identificeren, inclusief patiëntenkenmerken die inter- en intrapatiënt variabiliteit verklaren. Onze volgende stap is het personaliseren van doseringsstrategieën op basis van deze predictieve modellen, zodat de doelwitblootstelling wordt gegarandeerd. Deze strategie noemen we modelgeïnformeerde precisiedosering (model-informed precision dosing, MIPD) noemen. Met deze applicatie beogen we om een softwaretool te ontwikkelen voor MIPD van infliximab (in inflammatoire darmaandoeningen) en ceftriaxon (in kritiek zieke patiënten met ernstige longontsteking). Daarnaast zal een generiek en breed toepasbaar validatieproces worden ontwikkeld, inclusief interne en (multicentrische retro- en prospectieve) externe validatie. Beide doelstellingen, ontwikkeling en validatie van een MIPD software tool en proces, zijn sleutelelementen om gepersonaliseerde dosering tot in de klinische praktijk te brengen en zullen dienen als een proof-of-concept om efficiënte precisiedosering mogelijk te maken voor vele andere geneesmiddelen.

Trefwoorden:Model-informed precision dosing, Clinical decision support software tool, Inflammatory bowel diseases, Severe bacterial infections, Pharmacometrics

Disciplines:Farmacokinetica, Ontwikkeling van bio-informatica software, tools en databases, Computationele biomodellering en machine learning