摘 要：血药浓度与药物的疗效密切相关，常规多点采血监测不能完全反应患者体内血药浓度变化，也使局限了个体化给药的发展。如何利用已有的条件获得病人的药动学参数并预测血药浓度是个体化用药的关键。本文综述了近几年来三种常见的血药浓度预测模型，生理药动学模型，群体药动学模型，人工神经网络模型的特点及其应用。

    关键词：血药浓度；预测；模型

    随着现代医学技术的发展，人们越来越重视个体化用药。所谓个体化用药，就是用药“因人而异”、“量体裁衣”，是针对个体病人，通过治疗药物监测，利用临床药动学的原理和方法，结合临床实践，制定患者的最佳给药途径、给药剂量和给药周期，使血药浓度能够维持在治疗窗之内，以获得最佳疗效，避免或减少不良反应，提高临床用药的安全性和有效性。因此，如何利用已有的条件获得病人的药动学参数并预测血药浓度是个体化用药的关键。传统的方法是在给予病人一定的药量后，在不同的时间点测定7-10次血药浓度，然后用专业的计算机软件计算[1]。这种方法取血样多，操作困难，病人痛苦大且经济负担重，不宜为患者所接受。本文就几种较为新型的预测方法进行综述。

    1.生理药动学模型预测血药浓度

    生理药动学模型(PBPK)又称为生理模型，是一种根据机体真实的解剖结构和生理条件从而模拟药物经循环系统向各个器官及组织转运、分布和代谢的过程 ......