摘要
这篇发表于 Drug Metabolism and Pharmacokinetics 的综述文章，讨论的核心不是某一个具体药物，而是在儿科患者中，如何用 Pediatric PBPK 更可靠地评估药物相互作用（DDI）风险。作者真正关心的问题是：成人 DDI 结论能否直接外推到儿童，尤其是在代谢酶发育、提取率变化、底物分担比例（fm）和抑制/诱导暴露都随年龄改变的情况下，PBPK 应该怎样做资格确认与风险判断。文章的结论很明确：儿科 DDI 不能简单照搬成人结论，Pediatric PBPK 的价值就在于把生理发育、酶成熟和暴露变化放进同一个框架中，逐年龄段评估真实净效应。
引言
在儿童用药中，DDI 风险评估一直是一个尴尬的问题。临床上真正做过系统儿科 DDI 研究的药物不多，但监管和研发又不能完全回避这个问题。最常见的做法，是先拿成人研究结果做外推；可问题在于，儿童并不是“缩小版成人”。酶表达会随年龄变化，吸收和首过过程会变化，肝血流和肾功能也在发育，因此同样一个抑制剂或诱导剂，在不同年龄段引起的相互作用幅度可能完全不同。
这篇文章的重点，就落在 Pediatric PBPK 如何回答这个问题。作者并不是泛泛而谈“PBPK 很有用”，而是进一步追问：在儿科 DDI 预测里，哪些因素最容易把结论带偏？一个模型要满足什么条件，才算真的可以用于儿科 DDI 风险判断？ 从这个角度看，这篇综述更像是一篇关于 模型资格确认、年龄外推边界和最佳实践 的方法学总结。
研究方法
这是一篇方法学综述，不是单一实验研究。作者系统回顾了近年来用于儿科 DDI 评估的 Pediatric PBPK 应用案例、监管实践以及典型模型假设，重点讨论了 CYP3A4、CYP2B6、CYP2C19、CYP2D6、CYP1A2、CYP2E1 和 CYP3A7 等在儿科发育中具有代表性的酶系统。文中尤其强调了 ontogeny function 的选择，因为这会直接改变不同年龄段的酶活预测，从而影响 DDI 结论。
在案例分析部分，文章多次借助 Simcyp Pediatric 的离散年龄层模拟框架，考察从 新生儿、婴儿到青少年 各年龄段的 DDI 变化，并将成人临床数据作为资格确认的起点。作者强调，儿科 DDI 模型不能只验证系统暴露，还要同时关注 底物的 fm、年龄相关酶分担变化、抑制剂/诱导剂暴露、肝肠首过以及提取率改变。对于某些药物，作者还展示了在不同 ontogeny 假设下，预测结果会发生明显偏移，说明模型结构选择本身就是儿科 DDI 评估中的关键不确定性来源。
核心问题
这篇文章最值得抓住的一点，是作者把儿科 DDI 预测中的不确定性拆得很清楚。首先，fm 并不是固定不变的成人参数。一个药物在成人可能主要由某个酶代谢，但到了新生儿或婴儿期，酶分担比例可能明显变化。其次，perpetrator 的暴露也会随年龄改变，因此抑制或诱导强度不能简单按成人血药浓度平移。第三，高提取率和中等提取率药物在儿童中可能表现出不同于成人的清除主导机制，这会进一步改变相互作用幅度。
换句话说，作者要强调的并不是“儿童的 DDI 可能不同”，而是儿童 DDI 为什么不同，以及这些差异会通过哪些 PBPK 结构参数真正进入模型。这也是本文比一般综述更有价值的地方。
关键案例与 PBPK 推断
文中举了几个很有代表性的例子。其一是 omeprazole，作者指出其在成人和儿童中主要受 CYP2C19 影响，但在更低龄阶段，酶成熟度差异会放大个体间和年龄间的不确定性。其二是 metronidazole，在成人以 CYP2A6 为主，而在新生儿则更依赖 CYP3A7 和肾排泄，这意味着同一底物在不同年龄段的 DDI 主导机制可能完全不同。
文章讨论得最细的是 CYP3A ontogeny。作者比较了不同的发育函数后指出，采用不同 ontogeny 假设时，同一个 CYP3A 抑制场景在婴幼儿中的预测幅度可以明显不同。以 ivabradine 与 ketoconazole 的例子来说，不同 ontogeny function 会导致婴儿期 DDI 倍数判断出现显著分歧。这说明 儿科 PBPK 的关键不只是“有没有模型”，而是“模型里放入了哪一套发育函数”。
另外，文中还提到当底物由多个酶共同代谢时，年龄效应会更复杂。比如当一个底物既涉及 CYP3A4 又涉及 CYP2B6 时，随着年龄增长，不同通路的相对贡献会变化，因此某一个抑制剂在不同年龄段造成的净效应未必是单调变化的。这类场景正是 Pediatric PBPK 比静态外推更有意义的地方。
监管与最佳实践
文章还总结了近年来监管对儿科 PBPK-DDI 的实际接受方式。作者提到多个案例表明，监管并不是要求“每个儿科适应证都必须做完整 DDI 临床试验”，而是更看重成人模型是否先被合理资格确认、儿科外推路径是否透明、关键假设是否经过敏感性分析。也就是说，监管真正要看的不是“模型做了没有”，而是这个模型为什么值得信。
作者给出的最佳实践可以概括成几步：先在成人验证 victim 与 perpetrator 的 PK/DDI 表现，再逐步下推到儿科年龄层；明确底物的 fm 是否随年龄改变；检查 ontogeny function 的选择是否影响结论；最后用不同年龄层的暴露和敏感性分析评估风险边界。对于儿科 DDI 这种高不确定性问题，这套流程比直接把成人 AUCR 往下套要稳健得多。
讨论
从方法学角度看，这篇文章真正传达的是一个很重要的判断：Pediatric PBPK 的价值不在于“替代所有临床 DDI 研究”，而在于帮助我们判断哪些外推是可信的，哪些外推会失真。儿科 DDI 之所以难，不是因为只缺临床数据，而是因为生理发育会同时改变底物清除、相互作用强度和净暴露结果。如果模型不能把这些机制拆开，就很容易得出看似合理、实际却偏差很大的结论。
这篇综述还有一个现实意义：它提醒我们，儿科 PBPK 的“资格确认”必须比成人更严格。成人模型里某些能容忍的简化，在儿科场景里可能会被放大。例如，成人里看起来问题不大的 fm 固定处理，在婴幼儿场景中就可能直接改变 DDI 风险排序。同样，单一 ontogeny function 的选择，也可能让模型结果从“明显相互作用”变成“风险有限”。
当然，文章也承认目前仍有不少空白。比如 转运体 ontogeny、口服吸收成熟、制剂/辅料影响、PD 介导相互作用 等问题，在儿科 PBPK 中仍然不像 CYP 酶那样成熟。这意味着 Pediatric PBPK 在儿科 DDI 领域已经很有用，但离“完全标准化”还有距离。
结论
总体来看，这篇文章的核心结论是：儿科 DDI 风险评估不能简单照搬成人结论，Pediatric PBPK 的真正优势在于把年龄相关的生理、代谢酶发育、暴露变化和清除机制整合进同一框架中，逐年龄段评估真实净效应。对于研发和监管来说，最重要的不是机械地“做一个儿科 PBPK 模型”，而是确保模型资格确认路径清楚、关键 ontogeny 假设透明、敏感性分析足够充分。
如果把这篇文章压缩成一句话，那就是：Pediatric PBPK 在儿科 DDI 评估中的价值，不是替代临床，而是让成人外推变得有边界、有依据、也更诚实。
原文信息
Pediatric physiologically based pharmacokinetic modeling in the assessment of drug-drug interactions in children: current applications, challenges, and future perspectives. Drug Metabolism and Pharmacokinetics, 2025.
