剂量怎样通过暴露和药物作用影响肿瘤体积
英国 GSK 与曼彻斯特大学（University of Manchester）研究者在 CPT: Pharmacometrics & Systems Pharmacology 讨论肿瘤剂量效应曲线的形成。文章把药代动力学（pharmacokinetics，PK）、药效动力学（pharmacodynamics，PD）和肿瘤增长放在同一计算框架中。
剂量决定药物进入体内后的浓度变化，浓度再影响靶点与疾病过程。相同剂量对应的最高浓度、最低浓度和作用持续时间，会随清除及分布改变；终点还取决于肿瘤在此期间增长多少。
药理部分还包括可逆或不可逆结合、靶蛋白重新生成，以及结合后怎样影响疾病过程。作者把这些因素与浓度关系共同讨论，帮助区分靶点结合、下游作用及肿瘤体积变化。
研究先明确希望估计什么，例如达到一定作用所需剂量，或每日给药 2 次是否比 1 次更有效。生物过程、作用机制、给药安排和采样时点共同决定模型形式。
指数增长案例显示半衰期可以改变曲线位置与斜率
第一个案例采用指数肿瘤增长，并用药物浓度降低净增长率。药代部分为静脉单次给药后的单室消除，药效部分由半数有效浓度（half-maximal effective concentration，EC50）和最大作用描述。
最大药物作用低于肿瘤固有增长率时，模型只能使增长减慢。即使提高剂量，肿瘤仍可继续增大；模拟图将这一情况与最大作用足够强时出现的体积缩小分开。图 1 按给药后 14 天的肿瘤体积比较剂量效应，属于设定参数下的计算情境。
半衰期较短时，提高剂量主要逐步延长浓度超过 EC50 的时间；半衰期较长时，较窄剂量范围就可能从多数时间低于 EC50 转为多数时间高于该浓度，剂量效应曲线因而变陡。
在本文长时间近似下，达到一半作用所需剂量同时受到 EC50、分布、清除和最大作用影响。单个终点的体积比较难以独立识别最大药效与半衰期的贡献，作者据此强调浓度和时间资料。
浓度作用斜率与剂量作用斜率也会不同
研究进一步提高浓度效应关系中的 Hill 系数，检查较陡的浓度阈值怎样改变剂量效应。在该计算设置中，更陡的浓度关系可以对应相对更平缓的剂量关系，因为延长接近最大作用的时间仍受药代控制。
另一种近似针对整个测试范围内浓度均低于 EC50 的情况。此时药效与总暴露更接近关联，浓度—时间曲线下面积（area under the concentration–time curve，AUC）可以帮助解释效果；当浓度跨过非线性作用范围后，时间分布的重要性增加。
作者还推导肿瘤体积最低点出现的时间，显示它随剂量改变。按固定日终点比较和按最佳体积反应比较，会选择时间曲线上的不同位置。
每日总剂量相同，给药频率仍可能影响结果
重复给药模型把每次剂量、间隔和药物积累共同纳入。单次与每日重复给药的比较显示，持续治疗后，达到相应作用的表观剂量可以降低，幅度随半衰期和间隔改变。
频次案例保持每日总剂量相同，例如每天 1 次给 10 个剂量单位，或每天 2 次、每次 5 个单位。模型比较的是不同时间分配，双方总量相同。
在本文指数增长和可逆浓度作用设置下，每日 2 次给药产生较大作用，但长半衰期药物的增益可能很小。药物已经在较长时间内维持有效浓度时，进一步分次的边际作用下降。
这些计算把给药间隔、每次剂量和药物积累放在同一关系中。分次给药的增益取决于消除速度及浓度作用范围，因而需要在同一药代药效模型下比较。
不同增长规律会得到不同的剂量效应形状
第二个案例使用 Mayneord 模型，肿瘤半径近似线性增长，体积变化低于指数速度。相同的药代与浓度作用加入后，剂量关系更接近对数线性形式，单次和重复给药仍可分别推导。
Bertalanffy 案例进一步加入细胞损失，使肿瘤体积能够趋于平台。药物降低增殖项后，曲线形状受到细胞损失与药物消除的相对速度影响。主文级数解还要求单次剂量除以分布容积所得的初始浓度低于 EC50。
三个案例分别采用指数增长、半径近似线性增长及含细胞损失的平台增长。作者据此将疾病进展、浓度变化与观测时点共同纳入剂量效应解释。
耐药和多药作用需要继续进入模型
文章的主要推导未显式覆盖耐药和联合治疗。讨论提出，可以让效力或最大作用随时间变化以描述不同耐药机制，多药方案则需要分别纳入各药的 PK 和 PD。
这篇综述为药物研发提供的是模型设计与结果解释的具体例子：先写清增长规律和作用方式，再比较剂量、频次及终点。原文中的参数模拟可用于生成待检验的方案，实际推断仍取决于对应药物的浓度和反应资料。