PBPKモデリング（生理学的薬物動態モデル）とは？体を臓器で表して予測する
薬が体に入ると、血流に乗って肝臓や腎臓、脳といった臓器へ運ばれ、それぞれの組織へ移り、やがて代謝や排泄を受けて消えていきます。この一連の道筋を、臓器の大きさや血流量、組織への移りやすさといった「生理の要素」に分けて数式で表し、血液中や組織中の濃度が時間とともにどう動くかを予測するのが、PBPK（physiologically based pharmacokinetics＝生理学的薬物動態投与した薬が体内で吸収・分布・代謝・排泄されていく挙動。ADCではDARが大きく影響する。）モデリングです。
従来の薬物動態モデルの多くは、体をいくつかの抽象的な「箱」に見立て、実際に測った血中濃度の推移に式を当てはめて記述してきました。PBPKはこれとは発想が逆で、臓器の体積や血流量というヒトの生理データに、化合物の物性値やin vitro試験試験管・培養皿などを用いて生体外で行う試験で、細胞や細菌などを使って物質の影響を評価する。の結果をあらかじめ組み込み、まだ測っていない状況の濃度推移を下から積み上げて予測します。だからこそ、ヒトへの初回投与前の用量設定や、実際には試しにくい薬物相互作用ある薬がトランスポーターや酵素を阻害・誘導し、併用薬の濃度を変える薬物相互作用。・特殊集団での曝露予測に生かせるわけです。
本稿では、PBPKが体をどのように表現するのか、古典的なコンパートメントモデルと何が違うのか、in vitro生きた動物の体外で、試験管やシャーレなどを用いて細胞・組織・分子レベルで行う実験を指す用語。の数字からヒトPKをどう予測し、DDI併用薬が代謝酵素を阻害・誘導し合い、血中濃度が変動する現象。fmはこのリスク評価の土台になる。や肝腎機能低下・小児へどう外挿するのか、そしてモデルの検証と規制での受け入れ、前提に由来する限界までを順にたどります。数値は文献で幅のある目安なので、範囲と前提を添えて扱います。
PBPKモデリングとは：体を臓器でつなぐ
PBPKモデルでは、体を一つの箱ではなく、肝臓・腎臓・肺・脳・筋肉・脂肪といった臓器ごとのコンパートメントに分け、それらを動脈血と静脈血の流れでつなぎます。各臓器には、体積、そこを流れる血流量、そして血液と組織のあいだの分配のしやすさ（組織／血漿分配係数、Kp）という三つの生理・物性パラメータが割り当てられます。
それぞれの臓器について、流入する血液が運び込む薬物量と、流出する血液が運び去る量の差から、組織中の濃度変化を物質収支（マスバランス）主成分の減少量と生成した分解物の増加量が釣り合うかの確認。大きくずれると未検出の分解物を疑う。の微分方程式で記述します。肝臓には代謝による消失、腎臓には尿中排泄という消失過程が組み込まれ、経口投与なら消化管での溶解・吸収の過程も別立てで表現します。これらを連立して解くと、投与後の各臓器と血中の濃度推移が一度に得られます。
つまりPBPKは、体の中で薬が「どこに、どれだけ、どんな速さで」分布し消えていくかを、生理の構造に沿って組み立てるメカニスティック（機序に基づく）なモデルです。
PBPKは体を臓器ごとのコンパートメントに分け、血流でつなぎます。各臓器に体積・血流量・組織分配係数を割り当て、物質収支の微分方程式を連立して、血中と組織中の濃度推移を同時に予測します。
コンパートメントモデルとの違い
古典的な1-コンパートメント・2-コンパートメントモデルは、体をひとつ、あるいは二つの抽象的な区画とみなし、実測の血中濃度—時間データに式を当てはめて、分布容積（V）やクリアランス薬が血中から取り除かれる速さ。ADCでは薬物が多く付いた高DAR種ほど速まりやすい。（CL）といったパラメータを推定します。これらの区画は特定の臓器に対応するわけではなく、パラメータも「データに合う値」として決まる、経験的（トップダウン）なモデルです。
PBPKはこの逆で、臓器の体積や血流量といった生理データと、化合物の物性・in vitro値をあらかじめ与え、濃度推移を下から積み上げるボトムアップタンパク質をトリプシンなどで消化しペプチド断片にしてから測るLC-MS分析の方式。HCP分析の主流。のモデルです。パラメータの一つひとつが生理的な意味を持つため、「肝血流が下がったら」「酵素量が半分なら」といった条件変更を、そのままモデルに反映して外挿できます。ここが、実測データへの当てはめが前提の古典モデルとの決定的な違いです。
種間の体格差からヒトのPKを外挿するアロメトリック・スケーリングも経験則に基づく予測法ですが、PBPKは臓器レベルの機序を明示的に扱う点で、外挿の根拠をより細かく示せます。
in vitro試験値からヒトPKを予測する
PBPKの強みは、動物やヒトで測る前に、in vitroと物性の情報だけからヒトのPKを予測できる点にあります。入力として使うのは、脂溶性（logP）や解離定数（pKa）、溶解度といった物性値、血漿タンパク非結合分率（fu）、そして代謝や透過性、トランスポーター細胞膜にあり薬を細胞外へ汲み出したり内へ引き込んだりして、体内濃度を左右するタンパク質。の速度論的パラメータです。
たとえば肝代謝は、肝ミクロソームや肝細胞から求めた固有クリアランス（CLint）をIVIVE（in vitro-in vivo外挿）でスケールアップ小型培養で確立した条件を、より大きなバイオリアクターへ拡大する取り組みです。酸素供給の指標kLaなどを揃え、性能を再現します。詳しく →して組み込みます。組織／血漿分配係数（Kp）は、組織の脂質・水・タンパク組成と化合物の物性から理論式で予測でき、これによって分布の広がりを実測なしに見積もれます。吸収は溶解度と膜透過性化合物が細胞膜を透過する速さの指標。経口薬の吸収性の評価に使われる。から消化管モデルで表現します。
こうして組み上げたモデルで、まず動物データを再現できるかを確かめ、ヒトの生理パラメータに置き換えてヒトPKを予測する——これがボトムアップ予測の基本的な流れです。
PBPKは、物性値とin vitro試験値（代謝・結合・透過性）を入力に、組織分配係数を理論式で補いながら、実測前にヒトPKを予測できます。in vitroの代謝クリアランスはIVIVEでモデルに橋渡しされます。
DDI予測と特殊集団への外挿
DDI予測
PBPKがもっとも広く実用化されているのが、薬物間相互作用併用薬が代謝酵素を阻害・誘導し合い、血中濃度が変動する現象。fmはこのリスク評価の土台になる。（DDI）の予測です。CYPの阻害・誘導による相互作用では、阻害薬の消化管・肝臓での濃度推移と、被害薬の代謝への影響を時間軸で追えるため、投与タイミングをずらした場合や、消化管と肝臓で寄与が異なる場合まで機序に沿って表現できます。トランスポーターを介した相互作用も、輸送の速度論を組み込めば同じ枠組みで扱えます。近年は、こうしたPBPKによるDDI予測が、一部の臨床試験の代替や添付文書の記載根拠として規制当局に受け入れられる例が増えています。
特殊集団への外挿
生理パラメータを差し替えられるPBPKは、実際には試験しにくい特殊集団の予測にも向きます。肝機能低下では酵素量や肝血流、タンパク結合を、腎機能低下では糸球体ろ過量（GFR）を、小児では体格・臓器サイズ・酵素の発達を、それぞれ集団に合わせて変更し、曝露がどう変わるかを見積もります。実測データを集団全体の変動として記述する母集団薬物動態（ポピュレーションPK）がトップダウンの手法だとすれば、PBPKは生理の違いを機序から積み上げる、相補的なアプローチといえます。
モデルの検証と規制での受け入れ
予測モデルである以上、PBPKは検証（verification／qualification）とセットで使います。まず利用可能な臨床データで予測と実測を突き合わせ、感度分析で結果を左右するパラメータを確かめ、あらかじめ定めた許容範囲（たとえば予測値が実測の2倍以内に収まるか）で妥当性を判断します。モデルへの信頼度は、何に使うか（context of use）によって求められる水準が変わります。
規制の面では、酵素を介したDDIの予測を中心に、FDAやEMAがPBPK解析の提出を受け入れる枠組みを整えてきました。両当局はPBPK解析の様式・内容や報告のしかたに関するガイダンスを公表しており、ICH医薬品規制の国際調和を目的として、日米欧の規制当局と製薬業界が参加する国際的なガイドライン策定機関。でもモデルを活用した医薬品開発（MIDD）の一般原則をM15として議論しています。ただし受け入れの度合いは適用領域によって差があり、DDI以外の用途では、より手厚い検証が求められることが多いのが実情です。
PBPKは検証とセットで使う道具です。臨床データとの突き合わせと感度分析で妥当性を示し、用途（context of use）に応じた信頼度を担保します。酵素介在DDIは、規制当局の受け入れがもっとも進んだ領域です。
限界：前提の妥当性が結果を左右する
PBPKの予測精度は、組み込んだ前提と入力値の確からしさに左右されます。入力のin vitro値や物性値に誤差があれば、それはそのまま予測に伝わります（garbage in, garbage out）。臓器の体積や血流量といったシステム側のパラメータにも個人差・不確かさがあり、母集団の平均値で代表させる限り、外れ値の説明には限界があります。
機序の表現にも仮定が入ります。多くの臓器は「よく灌流された」分配平衡（perfusion-limited）を仮定しますが、透過が律速になる組織では別の扱いが要ります。トランスポーターや複雑な代謝が絡む化合物では、必要なパラメータがそろわず、予測の不確かさが大きくなりがちです。検証していない領域へ外挿するほど、前提の妥当性が問われます。だからこそ、用いた前提とパラメータを明示し、実測が得られたら遡ってモデルを更新する姿勢が欠かせません。
まとめ
PBPKモデリングは、体を臓器ごとのコンパートメントに分け、血流と組織分配で結んで、血中・組織中の濃度推移を機序から予測する手法です。実測に当てはめる古典的なコンパートメントモデルと違い、生理と物性・in vitroの情報を積み上げるため、ヒト初回投与前の予測やDDI・特殊集団への外挿に生かせます。一方で、予測は前提と入力値の確からしさに支えられており、検証と感度分析、そして実測による更新を欠かせません。規制当局の受け入れが進む酵素介在DDIを軸に、用途に見合った信頼度を担保して使うのが実務的な構えです。
