摘要
这篇文章想回答的问题很明确：能不能为 Fexofenadine 建立一个足够机制化、又能外推到 CKD 和儿科人群的 PBPK 模型。作者用 PK-Sim 11.3 整合公开临床药代数据，在健康成人中先完成模型建立，再基于疾病和年龄相关生理变化外推到 严重 CKD 与 8-12 岁儿童。整体看，这篇文章的价值不在于“又做了一个 PBPK”，而在于它试图把 转运体驱动的 Fexofenadine 处置、CKD 下暴露上升、以及 儿科外推 放进同一个可验证框架里。
核心结果可以先记住：作者纳入了 25 项人群 PK 研究，其中包括 23 项健康人研究、1 项 CKD 研究、1 项儿科研究。模型验证使用了 VPC、RObs/Pre、AFE、AAFE。对于 CL/F，AFE 分别为 0.98（健康）、0.58（CKD）、1.21（儿科），均在作者设定的 2-fold 可接受范围内。更有临床意味的是，模拟提示如果想让 CKD 患者暴露接近健康人，中度 CKD 需要大约降到原剂量的 43%，重度 CKD 需要降到原剂量的 50.8%。
引言
这篇文章的切入点其实挺好理解。Fexofenadine 代谢很少，主要以原形排泄，因此它的体内过程更容易受 P-gp 和多种 OATP 转运影响，而不是 CYP 代谢主导。也正因为如此，它是一个很适合拿来做机制性 PBPK 的对象：如果模型能把吸收、肝摄取、外排和肾功能变化这些环节串起来，理论上就能更稳地回答特殊人群中的暴露变化。
对我来说，这篇文章真正值得问的问题不是“Fexofenadine 是什么药”，而是：当一个药的处置主要受转运体和生理状态变化支配时，PBPK 能不能比经验性外推更像一个可解释的预测工具。作者把重点放在两个典型场景：一是 CKD 导致暴露升高，二是 儿科人群缺乏系统 PK 数据。这也决定了整篇文章最后要看的不是单一拟合图，而是模型跨场景的可迁移性。
研究方法
方法部分这篇写得比摘要丰富得多。作者先在 PubMed、Google Scholar、ScienceDirect 和 Cochrane 中系统检索 Fexofenadine 的人体 PK 文献，筛出 25 项 能提供系统浓度-时间曲线或关键 PK 参数的研究。图上的浓度数据由 GetData Graph Digitizer 2.24 数字化提取，再导入模型和后续 NCA 分析。这个做法不算完美，但在公开文献驱动的 PBPK 文章里很常见，也意味着模型质量会部分受原始图像精度影响。
建模平台是 PK-Sim 11.3 (Open Systems Pharmacology Suite)。作者把模型输入拆成几类：compound、formulation、administration、individual、population、events、observed data 等模块。对于缺失的年龄、体重、身高或 BMI，直接调用 PK-Sim 内置数据库补齐；对于不同族群，则调用内置人群文件，例如 East Asian、White American、Japanese。健康成人默认生成人群的年龄范围大致是 18-55 岁。
药物输入参数里，比较关键的几项我单独记一下。作者把 Log P 优化到 1.56，把 人肠道有效渗透率 优化到 1.14 x 10-6 cm/min。清除方面，表中给出的 CLH 为 0.163 L/h/kg，CLR 为 0.067 L/h/kg。更关键的是它明确把 P-gp、OATP1A2、OATP1B1、OATP1B3 的 Km / Vmax 带入模型，例如 P-gp Km 25.9 uM，Vmax 38.7 pmol/min/mg protein；OATP1B1 Km 61.6 uM，Vmax 41.0 pmol/min/mg protein。这说明它并不是只做经验拟合，而是确实想把转运体机制显式写进结构里。
制剂端则用了 Weibull 方式描述溶出。作者给出的 50% 溶出时间 分别是：IR 片 40 min、ER 片 130 min、混悬液 20 min、溶液 10 min；溶出 shape 参数分别约为 0.42、0.72、0.22。这些值对一个口服药的 PBPK 其实挺重要，因为它们直接影响吸收相位能不能被模拟出来。
CKD 外推部分，作者按 KDOQI 分层思路处理肾功能损害。由于没有中度 CKD 的真实 PK 曲线可直接验证，作者先用文献中的 严重 CKD 数据建模，采用的代表性 eGFR 大约是 17 mL/min/1.73 m2。模型中考虑的疾病变化包括 albumin、hematocrit、胃排空、肠道转运时间 等。做剂量优化时，又额外构建了 中度 CKD（eGFR 45） 与 重度 CKD（eGFR 22） 场景，用 AUC0-inf 对健康人与 CKD 暴露进行对比。
儿科外推部分，作者从成人模型缩放到 8-12 岁 儿童，重点修改 体重、身高、BMI 以及 PK-Sim 数据库内置的年龄相关生理参数，例如 器官血流、器官体积、心输出量、hematocrit、albumin、相关转运体浓度。这一点很典型，也很符合 PBPK 的优势边界：它不是拿儿童数据重新拟合，而是让成人模型沿着生理成熟路径往下走。
验证方面，作者为每条浓度-时间曲线都生成了 1000 人虚拟队列。首先做 VPC，比较观测点与模拟的均值、5th-95th percentile、最大值和最小值；然后用 PK-Solver 做 NCA，比较 Cmax、AUC0-inf、CL/F 的观测值和预测值；最后再计算 RObs/Pre、AFE、AAFE。作者把 2-fold 作为模型可接受的经验边界。
模型建立与结果
健康人模型是整篇文章的基础。作者展示了不同剂量、不同种族人群下的多组浓度-时间曲线，视觉上大致都能被包进模拟的 5th-95th percentile 区间。就总体统计指标来说，健康人群的 AFE 分别为：AUC0-inf 1.09、Cmax 0.97、CL/F 0.98。这组结果说明，至少在成人健康人范围内，这个模型的结构和主要输入参数是站得住的。
我觉得这里有一个小的阅读重点：这篇文章虽然没有把每一步参数优化讲到特别深，但它还是给了足够多的“硬输入”，尤其是 渗透率、Log P、溶出参数、转运体 Km/Vmax。这比只给几张拟合图更有价值，因为后者只能告诉你“像”，前者至少能让你判断它为什么像。
CKD 场景下，作者用 120 mg 给药后的严重 CKD 浓度曲线做外部评估。结果显示，严重 CKD 人群的平均 RObs/Pre 分别是 AUC 1.70、Cmax 1.30、CL/F 0.58。从 AFE/AAFE 的角度看，三项指标仍处在 2-fold 范围内。换句话说，模型至少抓住了一个核心趋势：CKD 会让 Fexofenadine 暴露升高、表观清除下降。
剂量模拟是这篇文章最“临床”的一部分。作者并不满足于说“CKD 暴露更高”，而是进一步做了逐步减量模拟，目标是让 CKD 患者的 AUC0-inf 接近健康人。结果是：中度 CKD 约需降至原剂量的 43%，重度 CKD 约需降至原剂量的 50.8%。这个数字未必能直接拿来当处方建议，但它至少表明，模型已经从“描述差异”走到了“生成剂量假设”。
儿科部分，作者用 30 mg 和 60 mg 的文献数据验证模型。AFE 分别为 CL/F 1.21、AUC0-inf 0.82、Cmax 0.63。这个结果不算完美，但在只有单一儿科临床研究可参考的情况下，已经说明模型至少能抓住儿童暴露量级与趋势。
讨论
我觉得这篇文章的讨论部分有两个值得保留的点。第一，作者强调 Fexofenadine 代谢极少，主要受转运与原形排泄支配，因此 PBPK 如果能把转运体过程写进模型，就比单纯经验外推更有解释力。第二，作者没有把结果讲得过满，而是承认 CKD 与儿科部分各自几乎只靠 1 项临床研究做验证，所以模型目前更适合拿来做 剂量假设生成 和 方向性判断，而不是直接当成定论。
文章还提到，某些低剂量研究中看起来存在 CL/F 下降 的现象，作者认为这既可能与人群和种族差异有关，也可能与 P-gp / OATP 饱和 有关。这个解释未必完全被证明，但至少说明作者并没有把所有偏差都简单归咎于“数据噪音”。对这种转运体主导药物来说，非线性和族群差异本来就是 PBPK 特别该盯住的地方。
从个人笔记角度看，这篇文章最有启发的一点是：当一个药的特殊人群问题主要来自生理变化而不是代谢酶多态性时，PBPK 的优势会更明显。CKD 改变的是血流、蛋白、hematocrit、胃肠过程和肾排泄能力；儿科改变的是器官成熟和生理参数。它们都属于 PBPK 天生更擅长处理的变量类型。
局限性
局限性也得记住。作者自己承认，中度 CKD、轻度 CKD、老年人 数据不足；而且 CKD 和儿科场景各自只用一项研究验证，外推可靠性仍有限。另外，研究里不少浓度数据来自文献图形数字化，难免引入小误差。还有一点我会额外记下：虽然模型纳入了多个转运体参数，但真正决定这些参数可辨识性的临床证据并不算特别强，所以这种模型的“机制性”仍有一定文献拼装色彩。
结论
总体看，这篇文章提供了一个相当标准的机制性案例：先在健康成人中建立 Fexofenadine PBPK 模型，再把年龄和疾病相关生理变化显式带入，最后检验它能否解释 CKD 和儿科暴露差异。结果显示，模型在健康、CKD、儿科三个场景下的 AFE/AAFE 基本都落在可接受范围内，因此它至少可以作为一个 特殊人群暴露预测与剂量假设生成工具。
如果只记一句话，我会记成：这篇文章不是证明 Fexofenadine 的 PBPK 已经“完全可靠”，而是证明了基于转运体机制和生理外推的 PBPK，确实有能力把健康人、CKD 与儿科放进同一套解释框架里。真正需要继续补的，是更多特殊人群临床数据，尤其是中度 CKD 和更丰富的儿科年龄层数据。
我的几点启发
1. 对转运体主导药物，PBPK 的信息价值往往高于单纯经验性外推。 因为它至少能把吸收、肝摄取、外排和肾功能变化拆开看。
2. 特殊人群 PBPK 的关键不只是拟合健康人。 更重要的是疾病或年龄相关的生理变化有没有被合理地写进模型。
3. 这类文章最该盯的不是“有没有图拟合得很好看”，而是用了哪些真实可解释的参数。 这篇里最值得保留的是转运体 Km/Vmax、渗透率、溶出参数和 CKD/儿科的外推假设。
原文信息
A Mechanistic Physiologically Based Pharmacokinetic (PBPK) modeling approach for fexofenadine: predictive pharmacokinetic insights in humans. Saudi Pharmaceutical Journal. Published online on July 9, 2025. DOI: 10.1007/s44446-025-00024-4. PMID: 40632356. PMCID: PMC12240918.
