4 区室脑 PBPK 模型的物理约束参数反演
把仿真浓度、初始条件和物质平衡方程共同用于逆向物理信息神经网络（iPINN）训练，估计 4 区室脑生理药代动力学（PBPK）模型的 6 个参数。
用途与模型
- 研究用途
- 脑部药物暴露模型的仿真校准与逆向参数估计可行性分析。
- 模型与细胞来源
- Simcyp 生成 100 名虚拟健康志愿者单次口服 10 mg 阿贝西利后的血浆与 4 脑区室平均浓度；48 小时内 200 个时间点。
- 方法版本
- 2025 年原研究版本
- 实验形式
- 时间输入、4 个区室的浓度输出；脑血液/脑组织/颅内脑脊液/脊髓周围脑脊液 4 区室常微分方程，血浆浓度为外源输入。
材料与平台
- 待估参数
- 4 区室容积、脑血液游离药物比例和颅内脑脊液非离子化药物比例。S 形函数（Sigmoid）变换把参数映射至预设生理边界。
- 损失与网络
- 数据、方程残差、初始状态损失；进一步反演时权重分别为 3、2、1。6 层、每层 50 个神经元、双曲正切激活，DeepXDE 及 PyTorch 自动微分。
- 优化与比较
- Adam 学习率 0.0001，5,000,000 次迭代后继续有限内存拟牛顿优化。以相同参数边界与随机近似期望最大化、差分进化的参数估计及各自数值求解结果比较。
测量指标与分析
- 浓度拟合误差
- 方程残差和初始条件损失
- 参数绝对误差
- 区室浓度—时间曲线
- 优化迭代与运行时间
在同一仿真平均曲线上联合优化神经网络与 6 个物理参数，再以估计参数正向求解并对照已知仿真参照。未设置独立临床或新药物测试集。
研究设计与结果
方法可行性研究
- 研究设计
- 先比较网络超参数，随后在已知仿真资料上估计 6 个参数并重建浓度曲线。
- 测试范围
- 100 名虚拟志愿者的汇总平均数据、200 个时间点。
- 参照体系
- 已知仿真参数与浓度参照；同边界条件的另外 2 类参数估计算法。
- 研究结果
- 6 个参数反演的总损失约为 1.23 × 10⁻⁵；4 个区室容积的误差约为 9 × 10⁻⁹ 至 9 × 10⁻⁸，另外 2 个比例参数的绝对误差约为 0.0037 和 0.0047。
适用条件与研究局限
- 数据由同类 PBPK 模型生成，属于模拟参数恢复，尚未独立临床验证。
- 不同参数/算法的误差不同，未建立跨药物统一优先级。
- 训练损失随迭代仍可改善；这次 5,000,000 次迭代运行约 54,977 秒，结果限于该模拟案例和训练设置。
- 采用 arXiv v1 预印本，尚未经过同行评审。