Rofecoxib

KEY POINTS（要点速览） 药物处方的基本原则是最大化获益的可能性、最小化伤害的风险。 患者对药物治疗的安全性与有效性反应存在显著的个体差异，临床医师应始终警惕药物不良反应或治疗失败的可能。 导致药物反应变异的因素包括：用药依从性、患者年龄、基因型、合并疾病、药物相互作用，以及潜在的肠道菌群组成差异。 详尽的用药史对发现潜在药物相互作用至关重要——这在多病共存、多重用药的患者中尤为常见。基因型 可影响药物代谢、药物体内分布，以及药物在靶位点或脱靶位点的效应。 目前已有商业化药物遗传学检测可用于指导多种药物（包括 P2Y12 抑制剂与他汀类）的选择和/或剂量调整。 引言 心脏病是美国乃至全球的首要死因[1,2]。2019–2020 年美国心血管疾病（CVD）总费用估计达 4220 亿美元，占同期全国卫生总支出的 12%，其中超过 380 亿美元用于处方药[3]。用于治疗心血管（CV）及其他疾病的药物，其安全性与有效性在患者间差异显著。对于任何一种药物，大多数患者会获得良好反应且耐受性可接受（图 8.1）——否则该药就不可能在没有伴随诊断手段筛选预期获益者的情况下上市（如曲妥珠单抗）。然而，总有一部分患者无法从药物中获益，另一部分患者则会遭遇有害效应。药物不良反应（ADR）是致残与致死的重要原因：约 17% 的住院归因于 ADR[4]。在美国，药物不良效应或治疗失败所致的药物相关发病与死亡，估计年花费超过 5000 亿美元[5]。导致药物反应变异的因素包括用药依从性、不同疾病机制对药物作用影响的差异、药物相互作用，以及日益受到重视的基因组变异的作用。 药物选择的考量（CONSIDERATIONS IN DRUG SELECTION） 药物处方的基本原则是最大化获益可能性、最小化伤害风险。随机对照试验（RCT）是界定药物治疗获益的金标准，也是专家共识指南处方推荐的基础。大多数指南推荐的心血管治疗——如射血分数降低型心力衰竭（HF）的 β 受体阻滞剂（见第 58 章）、急性心肌梗死（MI）的 血管紧张素转换酶抑制剂（见第 35、36 章）——均已被（往往多项）RCT 证实可降低发病率和/或死亡率[6,7]。另一些推荐治疗，如 HF 的利尿剂（见第 58 章）和慢性稳定型心绞痛的短效硝酸酯类（见第 37 章），对结局呈中性影响，推荐用于症状管理[6,8]。 也有部分药物虽与更差的结局相关，但因症状获益仍占有一席之地。正性肌力药物即属此类：它们可增强心输出量、缓解 HF 患者症状（见第 57、58 章），却与死亡率增加相关——机制可能是药物诱发的心律失常[6]。对于其他治疗无效的晚期 HF，处方者可在与患者共同决策后选择正性肌力药物，在知晓风险的前提下获得症状获益。 RCT 证据同样有助于揭示常见处方行为的风险。例如，绝经后激素治疗曾基于大型观察性研究的所谓心血管保护效应而被广泛处方；后续 RCT 显示其并无心血管获益，反而增加静脉血栓栓塞与卒中风险（见第 85 章）[9]。值得注意的是，对 RCT 与观察性数据的年龄分层分析提示，激素治疗的获益-风险可能取决于治疗启动距绝经开始的早晚。另一个例子：20 世纪 70–80 年代，抗心律失常药被用于抑制 MI 后的室性异位电活动（公认的猝死危险因素）。心律失常抑制试验（CAST）检验了「抑制室性异位电活动可降低 MI 后死亡风险」的假说，结果表明：尽管钠通道阻滞类抗心律失常药（如恩卡尼、氟卡尼）在该情境下确实有效抑制了室性早搏，却使死亡率增加了 2 倍（至 3 倍），且多数死亡源于心律失常。 偶尔，RCT 还会意外发现新的药物作用，从而催生新的治疗适应证。钠-葡萄糖共转运蛋白 2 抑制剂（SGLT2i）即著名例证：该类药物因降糖作用最初在 2 型糖尿病患者中开展研究，临床试验中意外观察到 CV 死亡与 HF 相关住院减少，进而推动在 HF 患者中开展更多试验，并基于阳性结果将 SGLT2i 的适应证扩展至这一疾病[6]。 由于严格的入选与排除标准以及频繁的监测，RCT 中 ADR 的发生率通常远低于药物在临床实践广泛应用后的实际水平。罕见 ADR 可能仅在药物上市并广泛使用后才显现；若毒性严重且存在更安全的替代治疗，则可导致药物撤市。肝毒性与心脏毒性是药物撤市的首要原因。曲格列酮（首个胰岛素增敏剂）即因肝毒性撤市——其肝毒性发生率为新型胰岛素增敏剂的 3 倍。特非那定（抗组胺药）、格帕沙星（抗生素）、西沙必利（用于胃食管反流病）等则于 20 世纪 80 年代末至 21 世纪初因其致心律失常作用与尖端扭转型室速（torsades de pointes）风险而撤市[10]。现行监管法规已要求开展上市前研究以评估药物所致的 QT 间期延长。环氧化酶-2（COX-2）选择性抑制剂是另一典型：塞来昔布与罗非昔布于 20 世纪 90 年代末获批后，凭借镇痛抗炎特性及较阿司匹林等非选择性抑制剂更低的胃肠道不良反应风险而被广泛处方。其获批时已有 CV 危害的初步信号，上市后试验与荟萃分析证实了该风险，并促使罗非昔布于 2004 年撤市[11]；塞来昔布目前仍在市售，但说明书带有关于 CV 风险的黑框警告。 除治疗相关结局的证据外，成本、监测复杂性与药物选择性等因素也可驱动药物间的取舍。高昂药价是患者依从性的主要障碍，可根据患者支付能力考虑更便宜的替代药物。例如，直接口服抗凝药（DOAC）因更优的获益-风险特征而在慢性抗凝中优于华法林，但价格昂贵得多[12]；若购买 DOAC 造成经济负担，只要患者能够规律进行国际标准化比值（INR）监测，华法林仍是合适的替代选择；反之，无经济障碍者可能更倾向 DOAC 以避免频繁监测。 药物选择性是同类药物间的重要鉴别点。在 HF 治疗中，卡维地洛（非选择性 β 受体阻滞剂兼 α 受体拮抗剂）可能更适合血压偏高的患者，而琥珀酸美托洛尔的 β1 受体选择性效应更适合血压偏低者（见第 58 章）。药物选择性也可驱动依普利酮（选择性盐皮质激素受体拮抗剂）相对螺内酯的选择——后者还结合孕激素与雄激素受体，从而带来男性乳腺发育等不良效应的风险。 对患者特异性因素影响药物治疗结局的认识，正是个体化医学（personalized medicine）这一广义概念的出发点——即根据患者独特的临床与基因组特征，以及患者对其疾病的理解、对治疗不良反应的耐受意愿和社会文化因素（如支付能力、读写能力与算数能力）来量体裁衣地制定药物治疗方案。患者年龄是处方时的重要考量：生物利用度、分布容积、代谢与清除均存在年龄相关差异（见第 89 章）。高龄会增加 ADR 风险，部分原因是药物消除随年龄下降，老年患者常需更低的初始剂量以避免不良效应。跌倒风险在老年人中同样值得关注：镇静剂、抗凝剂、α 受体阻滞剂与三环类抗抑郁药仅应在获益明确大于风险时处方。本章在线版本还提供了关于患者特异性因素的更多信息。 📷 图 8.1　药物反应的个体间差异。大多数药物对人群中多数个体安全有效；然而一部分患者会遭遇有害的药物效应，药物对另一部分患者则无效。仅凭临床因素难以预测患者将落入哪一组，因此药物治疗在很大程度上仍遵循「试错法」（trial-and-error）路径。  （原书 FIG. 8.1，第 91 页） 药理学原理（PRINCIPLES OF PHARMACOLOGY） 药代动力学（pharmacokinetics）描述「机体对药物做了什么」，涵盖药物的吸收、分布、代谢与排泄过程，这些过程共同决定药物的体内处置（disposition）。浓度-时间曲线下面积（AUC）描述体循环中药物量随时间的变化（图 8.2A），受药物的生物利用度（剂量到达体循环的比例）与消除速率影响。静脉（IV）给药时生物利用度为 100%，团注完毕时血药浓度达峰，随后随时间下降（图 8.2A）。经其他途径给药的药物须先跨越生物膜（口服药的肠壁、透皮剂的皮肤），进入血浆存在延迟。口服药物的生物利用度可因药物进入循环前在肠道或肝脏被代谢而降低，称为首过代谢（first-pass metabolism）。普萘洛尔即经历广泛首过代谢：要达到与 5 mg 小剂量静脉给药相似的心率减慢效果，所需口服剂量大得多（80–120 mg）。 药物吸收后被外排回肠腔也可限制生物利用度。P-糖蛋白（P-glycoprotein）是介导药物向肠道外排的主要转运体——最初因介导肿瘤化疗耐药而被发现，现已知其存在于肠细胞、肝细胞、肾小管细胞、淋巴细胞以及构成血脑屏障的毛细血管内皮。其底物包括地高辛、奎尼丁、雷诺嗪、维拉帕米；多种药物还是 P-糖蛋白抑制剂（如胺碘酮、唑类）或诱导剂（如利福平、蛋白酶抑制剂、圣约翰草）。有机阴离子转运多肽 1B1（OATP1B1）是另一种公认的重要药物转运体，表达于肝细胞窦状隙膜，负责多种他汀类药物的肝脏摄取。表 8.1 列举了参与药物代谢与转运的代表性蛋白。 📷 图 8.2　单剂量给药后血浆浓度随时间变化的模型。(A) 最简单的情形：药物以快速静脉（IV）团注进入容积（Vc），在其中瞬时均匀分布，随后自该容积消除。此时药物消除为单指数过程，即浓度对数对时间作图呈直线（插图）。同一剂量口服给药时，药物进入 Vc 前需先经过独立的吸收相；大部分吸收（红色）先于消除（绿色）完成，但两个过程存在重叠。本例中口服途径的药物递送量少于静脉途径（比较两条曲线下的总面积），提示生物利用度降低。(B) 本例中药物递送至中央容积后，不仅被消除，还向周边部位分布；该分布过程（蓝色）较消除更快，从而形成特征性的双指数消失曲线（插图）。  （原书 FIG. 8.2，第 91 页） 表 8.1　药物代谢与转运中的重要蛋白 类别 蛋白 代表性底物 细胞色素 P-450（CYP） CYP3A4、CYP3A5ᵃ 红霉素、克拉霉素；奎尼丁；多种苯二氮䓬类；伊伐布雷定；依普利酮；环孢素、他克莫司、西罗莫司；多种抗逆转录病毒药；阿托伐他汀、辛伐他汀；洛伐他汀；多种钙通道阻滞剂；阿哌沙班、利伐沙班；喹硫平 CYP CYP2D6ᵃ 部分 β 受体阻滞剂：普萘洛尔、噻吗洛尔、美托洛尔、卡维地洛；普罗帕酮；阿米替林及其他三环类；帕罗西汀；伏硫西汀；可待因ᵇ；曲马多ᵇ；他莫昔芬ᵇ；昂丹司琼 CYP CYP2C9ᵃ 华法林；苯妥英；氟伐他汀；部分非甾体抗炎药：塞来昔布、布洛芬、美洛昔康、吡罗昔康 CYP CYP2C19ᵃ 部分质子泵抑制剂：奥美拉唑、兰索拉唑、泮托拉唑、右兰索拉唑；氯吡格雷ᵇ；伏立康唑；西酞普兰；艾司西酞普兰；舍曲林；阿米替林 其他药物代谢酶 二氢嘧啶脱氢酶ᵃ 5-氟尿嘧啶、卡培他滨 其他药物代谢酶 N-乙酰转移酶ᵃ 普鲁卡因胺、肼屈嗪、异烟肼 其他药物代谢酶 硫嘌呤甲基转移酶ᵃ 6-巯基嘌呤、硫唑嘌呤 其他药物代谢酶 假性胆碱酯酶ᵃ 琥珀胆碱 其他药物代谢酶 丝氨酸酯酶 1（CES1） 氯吡格雷ᵇ、达比加群 其他药物代谢酶 尿苷二磷酸-葡萄糖醛酸转移酶ᵃ 伊立替康ᵇ、阿扎那韦 药物转运体 ABCG2ᵃ 瑞舒伐他汀 药物转运体 P-糖蛋白 地高辛、阿哌沙班、达比加群、艾多沙班、利伐沙班、氯吡格雷、环孢素、阿托伐他汀、奎尼丁、大环内酯类抗生素 药物转运体 SLCO1B1ᵃ 他汀类、甲氨蝶呤、瑞格列奈、波生坦 ᵃ 已描述具有临床意义的遗传变异；ᵇ 经药物代谢生物活化的前药。ABCG2＝ATP 结合盒转运体 G2；SLCO1B1＝溶质载体有机阴离子转运体家族成员 1B1。（原书 TABLE 8.1，第 92 页） 药物吸收后在血管内与血管外（组织）房室之间分布，以分布容积表示。分布于高灌注组织的药物可迅速在血液与组织间达到平衡；血液与高灌注组织构成药代动力学模型的中央房室。部分药物分布于较难灌注的组织（如脑、肌肉、脂肪组织），称为周边房室，需经历较长的分布相方能达到平衡（见图 8.2B）。多房室分布的药物分布容积很大，实际可超过全身体容积数个数量级。 在血管内房室中，部分药物与白蛋白或其他循环蛋白结合。蛋白结合通常可逆，结合型与游离型药物处于平衡。从药理学角度看，游离型药物的浓度最为关键——结合型药物通常无法弥散通过毛细血管或细胞膜到达作用部位。

打开FDA官网那张"Table of Substrates, Inhibitors and Inducers"，很容易被当成一份简单的清单。这张表本质是一份经过临床证据筛选的"参考地图"，不是可以直接落地的操作手册：同一页里有体外探针、有临床探针，有给底物看的、也有给促变药（perpetrator，引起相互作用的一方）看的，分级阈值还分通用和CYP3A特殊两套。看错一个门槛，可能把一个强抑制剂当成弱抑制剂放过。 2020年1月23日，FDA同时定稿发布了两份DDI指南——《体外药物相互作用研究》和《临床药物相互作用研究》（均为细胞色素P450酶和转运体介导）[1,2]。2024年5月，ICH M12作为全球统一的DDI指导原则正式定稿[3]。国内NMPA也在2021年1月更新了《药物相互作用研究技术指导原则（试行）》[4]。规则在趋同，但表格怎么读、探针药怎么选，依然是CRO和药企研发每天要面对的具体问题。这篇就拆解这张表的读法，把藏在表头背后的判断逻辑讲透。 表格给的是"哪些药可以作为证据"，而不是"你的化合物该怎么做"。把参考工具当操作手册用，是DDI策略里最常见的一类误判。 FDA这张表，到底是什么 先搞清楚这张表的性质。它挂在FDA的"Drug Interactions Labeling"栏目下，是一份动态维护的参考清单，不属于具有法律约束力的指南文件。FDA自己反复强调，所有列表都"非详尽"——这意味着表上没有的药，不代表没有相互作用；表上有的药，也只是"有充分临床证据支持其分类"的那一批。 表格按用途分成两大板块。一块是给体外研究用的：体外探针底物、体外抑制剂、体外诱导剂，这些是你在实验室里做酶表型鉴定、抑制剂筛选时选的阳性对照和工具药。另一块是给临床研究用的：临床指针底物（index substrate）、临床抑制剂、临床诱导剂。这两套表的逻辑完全不同，用错地方就会出问题。 还有一点常被混淆：FDA官网上其实有两张容易搞混的表。一张面向药物研发，叫"Table of Substrates, Inhibitors and Inducers"，颗粒度细、体外和临床全覆盖；另一张面向医护人员，叫"Examples of Drugs that Interact with CYP Enzymes and Transporter Systems"，是给处方决策用的速查清单，更简洁也更贴近临床场景。研发阶段拿错表，等于把别人为临床速查写的措辞，硬套到体外实验设计上。 体外那套表里，FDA推荐的CYP探针底物是经典组合：CYP1A2用非那西丁（phenacetin，O-脱乙基反应），CYP2C9用甲苯磺丁脲或S-华法林，CYP2C19用S-美芬妥英，CYP2D6用右美沙芬或丁呋洛尔，CYP3A4/5用咪达唑仑（midazolam）和睾酮（testosterone）。注意CYP3A这里用了两个结构不相关的底物——FDA明确建议，CYP3A的抑制评估要用两种底物平行做，如果两个都被抑制，才需要往体内推进。 临床那套表则是另一批药：CYP1A2的临床指针底物是替扎尼定（tizanidine）和咖啡因，CYP3A是咪达唑仑、三唑仑、辛伐他汀，CYP2D6是地昔帕明和右美沙芬。替扎尼定和咖啡因都在表上，但在评估CYP1A2抑制时，两者的"分辨率"天差地别，这个后面用真实案例讲。 强中弱不是形容词，是有数字门槛的 "强抑制剂""弱诱导剂"这种说法，日常讨论里经常被当形容词用。在监管语境下，它们是精确的定量标签，门槛写在指南里。 FDA 2020版指南、ICH M12和NMPA 2021版指导原则给出的CYP抑制剂/诱导剂分类标准已经高度一致，具体如下： 类别 抑制剂：敏感指针底物AUC升高 诱导剂：敏感指针底物AUC下降 强 ≥5倍 ≥80% 中 ≥2倍且<5倍 ≥50%且<80% 弱 ≥1.25倍且<2倍 ≥20%且<50% （数据来源：FDA 2020临床DDI指南[2]、ICH M12[3]、NMPA 2021指导原则[4]） 几个容易忽略的限定词。分类通常基于治疗剂量范围内的最高剂量和最短给药间隔——同一药物在低剂量下可能只是中等抑制剂，加量后可能变成强抑制剂，效应有剂量依赖性。诱导剂的阈值方向是"下降"，一个让AUC掉了70%的诱导剂算中等，掉了85%才算强。弱抑制剂的1.25倍下限也不是随便定的，它对应的是"与默认的80%–125%无效应边界刚好咬合"。 这套阈值只管CYP酶。转运体和非CYP代谢酶（UGT、MAO等）目前没有官方统一的强中弱分类系统——ICH M12在5.3.2节明确写了这一点。所以当有人问"环孢素算不算强转运体抑制剂"时，严谨的答案是：它是一个强效的OATP1B1/BCRP/P-gp抑制剂，但这个"强"是描述性的，不像CYP那样有监管定义的数字门槛。 底物也分三六九等：敏感、中等敏感、窄治疗窗 抑制剂有分级，底物同样有。区分底物类型，比记住抑制剂分级更影响DDI研究的成败。 敏感底物（sensitive substrate）指的是：与某代谢途径的强抑制剂合用时，AUC升高达到或超过5倍的药物。中等敏感底物对应AUC升高2到5倍。还有一类叫窄治疗窗底物（narrow therapeutic range substrate），它的判据不是AUC涨了多少，而是"暴露量增加可能引发严重安全性问题"——典型如治疗窗极窄、AUC一涨就可能导致尖端扭转型室速的底物。 这两类底物在开发中的处理方式完全不同。如果候选药是敏感底物，DDI研究的结论会很直接、影响也大；如果是窄治疗窗底物，即便AUC只涨了1.5倍，也可能需要在说明书里写禁忌或剂量调整。 敏感底物决定的是"相互作用有多容易被看穿"，窄治疗窗底物决定的是"看穿了之后有多要命"。前者关乎研究设计，后者关乎安全边界。 底物的敏感度不是拍脑袋定的。一个底物算不算敏感，核心看特定代谢途径对它的代谢分数（fm，fraction metabolized）——当某条通路的fm超过80%，完全抑制这条通路通常会让AUC升高5倍以上，这样的底物才有资格当"指示器"。fm偏低、或者有多条清除途径兜底的药物，即便通路上被抑制，暴露量也未必明显变化。 FDA表格里，CYP3A的敏感底物一栏列得最长：咪达唑仑、三唑仑、辛伐他汀、洛伐他汀、布司哌隆、非洛地平、西地那非等。这不是说CYP3A的底物多，而是因为CYP3A是最主要的药物代谢酶，约一半的临床药物走这条路，被研究得也最透。 挑cocktail探针药：在特异性和灵敏度之间走钢丝 当你的候选化合物可能同时影响多个酶时，逐个做单项DDI研究代价太大。cocktail（鸡尾酒）研究法把多个探针底物一次性给药，在一次试验里同时评估对多种酶/转运体的影响，效率高得多。 挑探针药有两条硬标准，ICH M12在3.2.6节写得清楚：探针底物对特定的CYP酶或转运体要有特异性；探针底物之间不能有DDI。不满足这两条，就得清楚知道它的非特异性有多大、探针之间有没有互作，并在解读结果时把这些因素纳进去。 常用的组合有两套经典版本。Basel cocktail覆盖CYP1A2、2B6、2C9、2C19、2D6、3A4；Geneva cocktail在此基础上加了非索非那定（fexofenadine）来测P-gp。转运体cocktail方面，地高辛（P-gp）、呋塞米（OAT1/3）、二甲双胍（OCT2/MATE）、瑞舒伐他汀（OATP1B1/1B3和BCRP）按优化剂量组合已有验证数据，被证明彼此无互作。 微剂量cocktail是另一个方向：用10微克咪达唑仑加375微克达比加群酯、10微克匹伐他汀等极低剂量，安全性更高，适合早期探索。但这里有个坑——微剂量得到的结果不一定能外推到治疗剂量，ICH M12专门提醒过这一点。达比加群在微剂量和临床剂量下的外推差异，就是常被引用的反例。 图1：cocktail探针药组合示意图——Basel/Geneva cocktail的酶覆盖网络，以及各探针药的靶点映射 ① 共享靶点（青色实线，3 个）：CYP1A2（咖啡因）、CYP2C19（奥美拉唑）、CYP3A4/3A5（咪达唑仑）——两套鸡尾酒用的是同一个探针药，这也是两套方案之间可以直接互认的部分。 ② 各自选择（琥珀虚线，3 个）：这是两套方案最核心的差异所在—— 2B6：Basel 用依非韦伦，Geneva 用安非他酮 2C9：Basel 用氯沙坦，Geneva 用氟比洛芬 2D6：Basel 用美托洛尔，Geneva 用右美沙芬 ③ Geneva 独有（玫红）：非索非那定 → P-gp。Basel 不含转运体探针，Geneva 把外排转运体也纳进了同一个面板。 分级的尽头：临床替代方案与"不做的艺术" 体外研究先当第一道筛子。FDA和NMPA都给了明确的体外阈值：可逆抑制用R₁判断，肝脏R₁≥1.02、肠道R₁,gut≥11就需警惕；时间依赖性抑制（TDI，time-dependent inhibition）用R₂判断，R₂≥1.25提示有风险；诱导则看mRNA变化是否≥2倍，或静态模型预测的AUCR是否≤0.8。这些数字背后的逻辑是——只有体外信号强到一定程度，才值得花钱进临床。 到了临床层面，替代方案越来越丰富。内源性生物标志物（endogenous biomarker）可以在不额外给探针药的情况下反映酶或转运体的活性变化：4β-羟基胆固醇/胆固醇比值和尿液6β-羟基可的松/可的松比值反映CYP3A活性，血浆粪卟啉I（CPI）反映肝OATP1B1/1B3，血浆吡哆酸和N1-甲基烟酰胺分别对应OAT1/3和OCT2/MATE。如果给药后CPI的Cmax和AUC与基线比值小于1.25，就提示OATP1B抑制介导的临床DDI可能性低。PBPK（基于生理的药代动力学）模型也在承担越来越多的"减免"任务，强抑制剂的阴性结果往往可以用来豁免对中弱抑制剂的进一步研究。 结果的外推也有方向性。强抑制剂的临床研究给出阴性结果，通常可以顺势豁免对中、弱抑制剂的进一步研究——最强的情况都没事，更弱的更不必单独做。反过来不成立：强抑制剂测出阳性，并不能直接推断中等或弱抑制剂也存在相互作用，那需要单独试验，或者靠经过验证的PBPK模型来支持。 但替代方案有边界。内源性标志物并非都经过充分验证，灵敏度、特异性、日常波动都会受饮食、年龄、疾病状态干扰；PBPK在"转运体加代谢"这种复杂相互作用里外推并不可靠，OATP1B1的体外Ki值经常撑不起临床DDI的定量预测。用替代方案省下的临床研究，前提是你清楚它省得对不对。 规则的价值不在于逼你多做几个试验，而在于帮你证明——有些试验，真的可以不做了。前提是，你得读得懂规则给出的每一个门槛。 实操踩坑指南 表格读过、阈值记住，真正让项目翻车的是下面这类具体操作。三个真实发表的案例，各有各的坑。 案例一：选错探针底物，把强抑制剂看成了"没风险" 背景是上世纪90年代末，默沙东的罗非昔布（rofecoxib）在做DDI评估，需要判断它对CYP1A2的抑制作用。 错误做法是用茶碱（theophylline）作为CYP1A2的探针底物。茶碱缺乏明显的首过效应，自身清除受CYP1A2影响的比例也不算高，对酶活性变化的"分辨力"很弱。 后果是罗非昔布对茶碱的AUC只抬高了约1.5倍，结论看上去是"轻微或无临床意义"。直到换上替扎尼定（tizanidine）——一个首过效应强、暴露量对CYP1A2活性极度敏感的底物，同一个罗非昔布让替扎尼定的AUC暴涨约13.6倍。强抑制剂直到这时才现形。 正确做法是：评估抑制剂对某条通路的影响，要选对该通路最敏感的指针底物，而不是手边最方便、最常用的那个底物。这条经验后来被写进了FDA的表格——CYP1A2的临床指针底物里，替扎尼定的优先级被明确标出。 关键Takeaway：底物的敏感度决定了你能否看见相互作用，选错底物等于给研究戴上了墨镜。 案例二：只看体外IC50，忽略代谢物机制，一款药因此撤市 背景是拜耳的西立伐他汀（cerivastatin），它经CYP2C8和CYP3A4代谢，与吉非贝齐（gemfibrozil）联用会显著升高其暴露量。 错误做法是：早期体外实验发现吉非贝齐对CYP2C8的抑制很弱，就按照当时的体外数据判断联用风险可控。问题在于，真正起作用的是吉非贝齐的葡糖醛酸苷代谢物——它是一个强效的时间依赖性抑制剂，而当时的体外体系没有把这条路径充分暴露出来。 后果是联用后西立伐他汀的AUC升高了5到6倍，横纹肌溶解病例迅速累积，西立伐他汀在2001年全球撤市。 正确做法是：体外评估不能只盯着母体化合物的IC50，代谢物（尤其是葡糖醛酸苷代谢物）的抑制活性要单独评，TDI机制要做预孵育实验才能捕捉。这条教训直接推动了FDA和后续指南把"代谢物介导的抑制"和"TDI"写成独立章节。 关键Takeaway：体外的IC50是一个条件依赖的数字，母体化合物不抑制，不代表它的代谢物不抑制。 案例三：给药时序错开，把强相互作用测成了"几乎没影响" 背景是西柚汁（grapefruit juice）对肠道CYP3A4的抑制——它是食物-药物相互作用研究的经典模型，也是CYP3A底物暴露量被放大的教科书案例。 错误做法是：在一项早期研究中，受试者早晨喝西柚汁、晚上服用洛伐他汀（lovastatin），刻意把两者错开[8]。这个设计下，洛伐他汀的AUC只升高了约1.9倍。 后果是结论被写成"西柚汁对洛伐他汀影响轻微"，一个本可致命的相互作用被低估成了边缘发现。另一项研究[9]把设计改成西柚汁与洛伐他汀同时服用、并在后续时段继续补充果汁后，同一个相互作用让AUC放大了约15倍。 正确做法是：相互作用强度不是药物的固有属性，它由给药时序和暴露窗口共同决定。评估肠道CYP3A或转运体介导的相互作用时，促变药必须与底物在吸收窗口内重叠，错峰设计会系统性地把风险测小。 关键Takeaway：剂量、时序和给药途径是DDI设计的三个变量，任何一项偏离真实用药场景，测出来的都可能是"假的阴性"。 图2：DDI表格阅读路径图——从"确定研究对象是底物还是促变药"到"选体外/临床探针"到"对照阈值分级"的决策流程 总结与展望 核心是三个动作：分清你要查的是体外表还是临床表，分清研究对象是底物还是促变药，回到注释里核对具体的分级门槛。表是死的，读法是活的。 规则层面正在快速趋同。ICH M12在2024年5月定稿，把FDA、EMA、日本等区域的DDI要求整合到一套框架下，强中弱分级阈值、cocktail要求、内源性标志物这些内容第一次有了全球统一的表述。对中国药企来说，这意味着未来一套体外加临床数据可能同时支持多个区域的申报，但前提是研究设计的细节跟得上。 方法层面，替代技术的比重还会继续上升。内源性生物标志物会从"探索性工具"逐步走向常规应用，PBPK减免临床研究的接受度也在提高。对应的风险是——替代方案用得越多，对"门槛理解是否准确"的要求就越高。工具可以省事，判断省不了。 真正拉开DDI研究质量的，从来不是谁记得更多的药名，而是谁更清楚那些药名背后的证据等级和适用边界。 参考文献 [1] U.S. Food and Drug Administration. In Vitro Drug Interaction Studies — Cytochrome P450 Enzyme- and Transporter-Mediated Drug Interactions: Guidance for Industry[S]. Silver Spring: FDA, 2020. [2] U.S. Food and Drug Administration. Clinical Drug Interaction Studies — Cytochrome P450 Enzyme- and Transporter-Mediated Drug Interactions: Guidance for Industry[S]. Silver Spring: FDA, 2020. [3] International Council for Harmonisation. ICH M12: Drug Interaction Studies[S]. Geneva: ICH, 2024. [4] 国家药品监督管理局药品审评中心. 药物相互作用研究技术指导原则（试行）[S]. 北京: NMPA, 2021. [5] Tornio A, Filppula AM, Niemi M, et al. Clinical Studies on Drug-Drug Interactions Involving Metabolism and Transport: Methodology, Pitfalls, and Interpretation[J]. Clin Pharmacol Ther, 2019, 105(6): 1345-1361. [6] Fuhr U, Jetter A, Kirchheiner J. Appropriate Phenotyping Procedures for Drug Metabolizing Enzymes and Transporters in Humans and Their Simultaneous Use in the "Cocktail" Approach[J]. Clin Pharmacol Ther, 2007, 81(2): 270-283. [7] U.S. Food and Drug Administration. Drug Development and Drug Interactions: Table of Substrates, Inhibitors and Inducers[EB/OL]. https://www.fda.gov/drugs/drug-interactions-labeling. [8] Rogers JD, Zhao Y, Liu L, et al. Grapefruit juice has minimal effects on plasma concentrations of lovastatin-derived 3-hydroxy-3-methylglutaryl coenzyme A reductase inhibitors[J]. Clin Pharmacol Ther, 1999, 66(4): 358-366. [9] Kantola T, Kivistö KT, Neuvonen PJ. Grapefruit juice greatly increases serum concentrations of lovastatin and lovastatin acid[J]. Clin Pharmacol Ther, 1998, 63(4): 397-402.返回搜狐，查看更多