在日常看病时，我们常常接受着标准的治疗方案——患有同样的疾病，无论是体重50公斤的年轻女孩，还是体重90公斤的中年男性，往往被开具完全相同剂量的药物。这种“千人一量”的用药方式，在治疗牛皮癣等炎症性皮肤病时，正暴露出越来越多的弊端。
近年来，随着医疗成本的不断攀升以及药物生产带来的碳排放问题日益受到关注，医学界开始反思：我们是否给一些患者用了过多的药，又让另一些患者药量不足？为了优化昂贵生物制剂的使用并减少不必要的药物暴露，医学界正在推动一场向个性化精准用药的变革。
然而，要想真正做到精准用药并不容易。医生们当前面临着怎样的困境？最新的数据模型技术又是如何解决这一难题的？
目前，在炎症性皮肤病的治疗中，医生们主要依靠两种方式来调整患者的用药剂量：
第一种是经验性给药策略（Empirical dosing）。这是一种非常直观且普遍的方法。医生不需要抽血去查患者体内的药物浓度，而是直接观察患者的皮损恢复情况或疾病活跃度来调整剂量。这种方法的优点是简单直接，且能够有效筛查出那些只需要极低剂量就能控制住病情的患者。但在这种模式下，用药往往是一个凭借经验不断尝试的过程，缺乏精确的数据支撑。
第二种是治疗药物监测（TDM）。这种方法通过抽血检测患者体内的药物浓度，查看其是否处于标准的“治疗区间”内。如果患者的药物浓度偏低，医生就会将其视为未来疾病复发的高风险人群，并预防性地增加剂量或更换其他药物。但是，传统的TDM策略本质上是一种被动反应。它依赖于固定的静态标准，往往是在用药一段时间后才去进行事后检验和补救。
这两种传统方法虽然在临床上发挥了巨大作用，但在面对个体差异极大的患者时，依然显得不够超前。这就引出了当前科学界正在努力解决的核心问题：我们能否在偏差发生之前，就主动计算出最适合该患者的专属剂量？
为了打破传统监测方式的滞后性，一种名为模型引导的精准给药（MIPD，Model-informed precision dosing）的新技术应运而生。相比于传统的TDM策略，MIPD是一次重大的方法学升级。
MIPD不再局限于被动等待和静态的浓度范围，而是将药物在人体内吸收、代谢的数学模型与患者的具体个人数据结合起来。系统会综合考量一系列极具个人特征的指标，例如：
通过将这些变量输入系统，并借助贝叶斯预测等统计算法，MIPD能够为每一位患者提前计算出一个专属的用药剂量，并预测药物在他们体内的暴露情况。这种主动预测的机制，极大地提高了患者用药剂量落在安全有效区间内的成功率。
为了更直观地理解这三种用药策略的差异，我们可以通过下表进行对比：
| 用药策略 | 核心依据 | 调整时机 | 优势 | 局限性 |
|---|---|---|---|---|
| 经验性给药 | 观察患者疾病症状的严重程度 | 症状发生变化后（被动响应） | 操作简单，无需验血，能发现低剂量响应者 | 依赖医生经验，缺乏精确数据支撑 |
| 传统TDM | 血液中的实际药物浓度 | 发现浓度偏离标准后（被动响应） | 有客观数据支撑，能够预防性调药 | 标准单一，属于事后的滞后补救 |
| MIPD (模型引导) | 个人体征数据 + 药物代谢数据模型 | 用药前预测与动态调整（主动预测） | 高度个性化，提前计算并预测最佳剂量 | 模型复杂，对医疗基础设施要求较高 |
虽然数据模型听起来非常完美，但一项医疗技术能否真正推广，还需要经过严格的现实检验。医学界认为，无论是传统的血液药物浓度监测（TDM）还是升级版的模型引导给药（MIPD），都应该被视为一种“诊断干预手段”。既然是干预手段，就必须将其与传统的“经验性给药”进行严谨的随机对照试验，以此来证明它是否真的物有所值。
这里就不得不提到一个不容忽视的关键指标：成本效益。如果在没有充分评估的情况下盲目推行复杂的数据模型，很可能会给医疗系统带来高昂的成本和繁琐的操作，最终却发现它并不比医生直接看症状调药的效果好多少。
为了解答这个疑惑，目前科学界正在开展多项重要的临床研究。例如，BeNeBio研究正在针对用于牛皮癣的新一代生物制剂（IL-17和IL-23抑制剂）探索经验性减量策略，并在事后评估药物浓度。而另一项名为PLAN-psoriasis的研究，则直接将基于药物浓度监测的指导策略，与患者主导的“按需经验性用药”策略进行了随机对照比拼。这些真实世界的数据，将为我们判断精准用药是否真的“划算”提供决定性的证据。
任何先进的技术从实验室走向临床，都会面临水土不服的挑战。MIPD模型要想真正让患者受益，其成败高度依赖于临床的顺利落地。
即便是目前最简单的“经验性剂量减少”策略，在实际操作中也困难重重。研究人员发现，医生在日常门诊中普遍面临时间紧迫的问题，根本没有足够的精力去为每一位患者精细调整剂量；同时，医生们也迫切需要更多的专业培训、清晰的临床指南以及科学的证据支持。
对于像MIPD这样更为复杂的数字化干预手段，它所面临的阻碍自然更多。现有的医疗基础设施有限、临床医生缺乏相关模型操作培训、新系统难以融入现有的工作流程，以及模型本身的复杂性，都可能成为阻碍MIPD在皮肤科发挥全部潜力的“绊脚石”。
然而，破局的曙光已经显现。随着数字医疗的快速普及，越来越多易于使用的MIPD软件正在被无缝集成到医院的电子病历系统中。更令人兴奋的是，未来患者甚至有可能在家里自己测量体内的药物浓度，就像糖尿病患者测血糖一样方便。
此外，科学家们正在考虑将更多复杂的变量引入医生的临床决策辅助系统中。这是因为有时候药物不起效，并非剂量不对，而是药物打错了“靶点”，或者是患者自身的免疫系统特征与药物不匹配。随着分子层面精准医疗的不断推进，未来的皮肤病治疗将变得更加精确和个性化。
从粗放的“千人一量”到被动的“事后补救”，再到如今利用数据模型进行“主动预测”，炎症性皮肤病的用药策略正在经历一场深刻的变革。精准用药不仅契合了当前减轻患者经济负担、降低医疗资源浪费的现实需求，更为饱受皮肤病折磨的患者带来了个性化治疗的新希望。然而，这项技术究竟能多快普及？我们的医疗系统是否已经准备好迎接这场数据驱动的用药革命？这一切，仍有待更多高质量的临床试验和切实可行的落地策略来给出最终的答案。
本文由超能文献“资讯AI智能体”基于4000万篇Pubmed文献自主选题与撰写，并经AI核查及编辑团队二次人工审校。内容仅供学术交流参考，不代表任何医学建议。
分享
一项重磅研究（ECHELON-3）发现，一种名为“BV+Len+R”的三药联合方案，能显著延长复发/难治性弥漫性大B细胞淋巴瘤患者的寿命，将死亡风险大幅降低了37%，且无论CD30靶点表达与否均有效。
