Évolution des méthodes de prédiction de la pharmacocinétique humaine : de l'allométrie à l'intelligence artificielle

La prédiction précise de la pharmacocinétique humaine (PK) reste un défi critique dans le développement de médicaments. Les approches conventionnelles basées sur les animaux présentent des limites inhérentes en raison des différences entre espèces, ce qui pousse les progrès vers des méthodologies prédictives plus précises et pertinentes pour l'homme. Cette revue discute de l'évolution des méthodologies de prédiction de la PK humaine, des approches conventionnelles aux technologies émergentes. Les méthodes traditionnelles, y compris l'échelle allométrique, l'extrapolation in vitro–in vivo et la modélisation pharmacocinétique basée sur la physiologie, sont d'abord examinées, en mettant l'accent sur leurs principes, applications et limitations à travers des études de cas représentatives. Par la suite, les approches émergentes, telles que l'intelligence artificielle (IA) et les applications d'apprentissage machine, les systèmes organes-sur-puce et d'autres modèles in vitro avancés, sont explorées. Une comparaison complète entre les approches conventionnelles et celles basées sur l'IA est fournie, abordant les exigences de données, la complexité de modélisation, les performances prédictives et l'applicabilité pratique. Les défis actuels de mise en œuvre—y compris la nécessité de standardisation, les obstacles à l'intégration entre méthodes et les considérations réglementaires—sont également discutés. L'avenir de la prédiction de la PK humaine dépend de l'intégration stratégique de méthodologies complémentaires. Les méthodes conventionnelles offrent une transparence mécaniste, les approches dirigées par l'IA offrent une efficacité de dépistage, et les modèles in vitro avancés fournissent une pertinence physiologique. Réussir cette intégration nécessite des cadres de validation standardisés et des orientations réglementaires claires pour soutenir les applications multi-méthodes.