儿科外推需要保留发育中的生理关系
浙江大学医学院附属第二医院团队在 Pharmaceutics 发表综述，讨论深度学习如何用于生理药代动力学模型（physiologically based pharmacokinetic modeling，PBPK）。文章以儿童器官功能和酶活性仍在成熟、临床采样受限为背景，归纳模型面临的 3 类问题。
第一类是怎样生成生理上相互协调的虚拟患者。体重、器官大小和相关生理变量存在联系，生成模型需要保留这些关联，才能形成适合整体模拟的人群。
从跨年龄规律到有限数据中的参数估计
第二类问题涉及药物处置在物种与年龄之间的变化。综述讨论图网络及神经常微分方程，用连续关系描述生长和成熟过程，作为固定缩放指数之外的研究方向。
第三类是从稀疏数据中估计机制参数。综述讨论了将物理规律纳入训练的网络与替代计算模型，如何补充 PBPK 工作流程中的参数推断和不确定性分析。
生成患者与临床用途需要分别评价
综述以拉考沙胺、拉莫三嗪和奥卡西平等抗癫痫药作为讨论实例，并以虚拟患者为模拟单位组织论述。文中还提出生成群体的验证标准、学习增强 PBPK 的监管资格认定，以及不确定性报告等待解决问题。
作者把方法发展与已证明的临床获益分开讨论。生成的生理参数是否合理、外推能否通过独立资料检查，以及这些预测能否改善实际用药，属于不同层次的评价。