Pharmakokinetische Modellierung in der Nuklearmedizin

Zusammenfassung

Für die nuklearmedizinische Dosimetrie wird die Kenntnis der Anzahl der Zerfälle des verwendeten Radionuklids im jeweiligen Gewebe oder dem betrachteten Volumenelement (Voxel) benötigt. Hierfür muss die Pharmakokinetik, also der entsprechende Zeitaktivitätsverlauf, bekannt sein, weil die Zahl der Zerfälle durch die mathematische Integration des Aktivitätsverlaufs über der Zeit berechnet werden kann. Da die Aktivität nur für einige wenige Zeitpunkte gemessen werden kann, muss die vollständige Pharmakokinetik für alle Zeitpunkte anhand von mathematischen Modellen geschätzt werden. Nur auf der Basis geeigneter Modelle können Vorhersagen der Pharmakokinetik zur Optimierung der Therapie erhalten werden.

Diese Modelle unterscheiden sich in ihrer Komplexität aufgrund des im Modell enthaltenen Vorwissens über die zugrundeliegende Physiologie und der zur Verfügung stehenden Anzahl von Messpunkten: So gibt es modellunabhängige Varianten, einfache Kompartimentmodelle oder physiologisch basierte Kompartimentmodelle. In den Letzteren werden die mathematischen Kompartimente mit entsprechenden physiologischen Kompartimenten identifiziert, weshalb die Parameter des Modells physiologischen Größen entsprechen. Damit erlauben diese physiologisch basierten pharmakokinetischen (PBPK) Modelle nicht nur eine Kurvenanpassung an die Messwerte sondern zusätzlich auch die Simulation verschiedener therapeutischer Optionen als Basis zukünftiger Optimierungen der Therapie. Die unterschiedliche Komplexität des verwendeten Vorwissens für die verschiedenen Modelle beeinflusst die Anzahl der benötigten Messdaten und damit sowohl die Kosten als auch die Qualität der Ergebnisse.

In dieser Übersicht werden zuerst verschiedene Arten von Modellen eingeführt und beobachterunabhängige Verfahren zur Auswahl des besten Modells basierend auf den gegebenen Messdaten diskutiert. Danach wird die Modellselektion am Beispiel des Akaike Informations-Kriteriums und von Qualitätskriterien für die Datenanpassung durch Modelle demonstriert. Des Weiteren werden Beispiele für den Einsatz von physiologisch basierten pharmakokinetischen Ganzkörpermodellen in der nuklearmedizinischen Dosimetrie zur Optimierung der Radionuklid-Therapie vorgestellt.

Abstract

Nuclear medicine dosimetry requires the knowledge of the number of decays of the radionuclide used in each tissue or volume element (voxel). For this purpose, the pharmacokinetics, i. e. the corresponding time activity curve, must be known, because the number of decays can be obtained by the mathematical integration of the course of activity over time. Since the activity can be measured regularly only for a few time points, the complete pharmacokinetics for all time points must be estimated using mathematical models. Only on the basis of appropriate models predictions of pharmacokinetics can be obtained to optimize therapy.

These models differ in complexity due to the pharmacokinetic background of the model and the number of available measurements: model-independent variants, simple compartment models, or physiologically based compartment models. In the latter, the mathematical compartments are identified with corresponding physiological compartments, which is why the parameters of the model correspond to physiological dimensions. Thus, these physiologically based pharmacokinetic (PBPK) models allow not only a curve fitting to the measured values, but also the simulation of various therapeutic options as a basis for future optimizations of the therapy. The different complexity of the applied knowledge for the different models influences the number of required measurement data and thus both the cost and the quality of the results.

In this review, first, various types of models are introduced and observer-independent best model selection procedures are discussed based on the given measurement data. Second, model selection is demonstrated using the example of the Akaike Information Criterion and quality criteria for fitting. Furthermore, examples of the use of physiologically based pharmacokinetic (PBPK) whole-body models in nuclear medicine dosimetry for the optimization of radionuclide therapy are presented.

Schlüsselwörter

PBPK - Therapieplanung - Radionuklidtherapie - molekulare Radiotherapie - Dosimetrie - Pharmakokinetik - AICc

Keywords

PBPK - treatment planning - radionuclide therapy - molecular radiotherapy - dosimetry - pharmacokinetics - AICc

• Literatur

• 1 Lassmann M, Glatting G. Grundlagen der patientenspezifischen Dosimetrie bei Radionuklidtherapien. Der Nuklearmediziner 2008; 31: 93-100
• 2 EURATOM. RICHTLINIE 2013/59/EURATOM DES RATES vom 5. Dezember 2013 zur Festlegung grundlegender Sicherheitsnormen für den Schutz vor den Gefahren einer Exposition gegenüber ionisierender Strahlung und zur Aufhebung der Richtlinien 89/618/Euratom, 90/641/Euratom, 96/29/Euratom, 97/43/Euratom und 2003/122/Euratom. Amtsblatt der Europäischen Union; 2013
• 3 Glatting G, Bardiès M, Lassmann M. Treatment Planning in Molecular Radiotherapy. Z Med Phys 2013; 23: 262-269
• 4 Kletting P, Schimmel S, Hänscheid H. et al. The NUKDOS software for treatment planning in molecular radiotherapy. Z Med Phys 2015; 25: 264-274
• 5 Strand SE, Zanzonico P, Johnson TK. Pharmacokinetic modeling. Med Phys 1993; 20: 515-527
• 6 Bolch WE, Eckerman KF, Sgouros G. et al. MIRD Pamphlet No. 21: A Generalized Schema for Radiopharmaceutical Dosimetry – Standardization of Nomenclature. J Nucl Med 2009; 50: 477-484
• 7 Konijnenberg M. From imaging to dosimetry and biological effects. Q J Nucl Med Mol Imaging 2011; 55: 44-56
• 8 Siegel JA, Thomas SR, Stubbs JB. et al. MIRD pamphlet No. 16: Techniques for quantitative radiopharmaceutical biodistribution data acquisition and analysis for use in human radiation dose estimates. J Nucl Med 1999; 40: 37S-61S
• 9 Adelstein SJ, Green AJ, Howell RW et al. Absorbed-dose specification in nuclear medicine. Journal of the ICRU 2002; 2: 1-110
• 10 Williams LE, Odom MaryonTL, Liu A. et al. On the correction for radioactive decay in pharmacokinetic modeling. Med Phys 1995; 22: 1619-1626
• 11 Glatting G, Reske SN. Treatment of radioactive decay in pharmacokinetic modeling: influence on parameter estimation in cardiac ¹³N-PET. Med Phys 1999; 26: 616-621
• 12 Simon RCherry JAS, Michael EPhelps. Physics in Nuclear Medicine. 4^th ed. Oxford: Elsevier Health Sciences; 2012
• 13 Ferl GZ, Dumont RA, Hildebrandt IJ. et al. Derivation of a Compartmental Model for Quantifying ⁶⁴Cu-DOTA-RGD Kinetics in Tumor-Bearing Mice. Nucl Med 2009; 50: 250-258
• 14 Ferl GZ, Theil F-P, Wong H. Physiologically based pharmacokinetic models of small molecules and therapeutic antibodies: a mini-review on fundamental concepts and applications. Biopharmaceutics & Drug Disposition 2016; 37: 75-92
• 15 Kletting P, Schimmel S, Kestler HA. et al. Molecular radiotherapy: The NUKFIT software for calculating the time-integrated activity coefficient. Med Phys 2013; 40: 102504
• 16 Nestorov I. Whole body pharmacokinetic models. Clin Pharmacokinet 2003; 42: 883-908
• 17 Shah DK, Betts AM. Towards a platform PBPK model to characterize the plasma and tissue disposition of monoclonal antibodies in preclinical species and human. Pharmacokinet Pharmacodyn 2011; 39: 67-86
• 18 Kletting P, Schuchardt C, Kulkarni HR. et al. Investigating the Effect of Ligand Amount and Injected Therapeutic Activity: A Simulation Study for ¹⁷⁷Lu-Labeled PSMA-Targeting Peptides. PLoS ONE 2016; 11: e0162303
• 19 Kletting P, Kull T, Maaß C. et al. Optimized Peptide Amount and Activity for ⁹⁰Y-Labeled DOTATATE Therapy. J Nucl Med 2016; 57: 503-508
• 20 Hardiansyah D, Maass C, Attarwala A. et al. The role of patient-based treatment planning in peptide receptor radionuclide therapy. Eur J Nucl Med Mol Imaging 2016; 43: 871-880
• 21 Kletting P, Müller B, Erentok B. et al. Differences in predicted and actually absorbed doses in peptide receptor radionuclide therapy. Med Phys 2012; 39: 5708-5717
• 22 Kletting P, Kull T, Bunjes D. et al. Radioimmunotherapy with anti-CD66 antibody: Improving the biodistribution using a physiologically based pharmacokinetic model. J Nucl Med 2010; 51: 484-491
• 23 Kletting P, Bunjes D, Reske SN. et al. Improving anti-CD45 antibody radioimmunotherapy using a physiologically based pharmacokinetic model. J Nucl Med 2009; 50: 296-302
• 24 Glatting G, Landmann M, Kull T. et al. Internal radionuclide therapy: The UlmDos software for treatment planning. Med Phys 2005; 32: 2399-2405
• 25 Glatting G, Kletting P, Reske SN. et al. Choosing the optimal fit function: Comparison of the Akaike information criterion and the F-test. Med Phys 2007; 34: 4285-4292
• 26 Burnham KP, Anderson DR. Model Selection and Multimodel Interference-A practical Information-theoretic approach. 2^nd ed. New York: Springer; 2002
• 27 Ludden TM, Beal SL, Sheiner LB. Comparison of the Akaike Information Criterion, the Schwarz Criterion and the F Test as Guides to Model Selection. J Pharmacokinet Biopharm 1994; 22: 431-445
• 28 Kletting P, Glatting G. Model selection and inference in pharmacokinetics: The corrected Akaike information criterion and the F-test. Z Med Phys 2009; 19: 200-206
• 29 Golla SSV, Adriaanse SM, Yaqub M. et al. Model selection criteria for dynamic brain PET studies. EJNMMI Physics 2017; 4: 30
• 30 Sachs L. Angewandte Statistik: Anwendung statistischer Methoden. 7. Auflage Berlin: Springer-Verlag; 1992
• 31 Akaike H. Information theory and an extension of the maximum likelihood principle. In: Parzen E, Kitagawa G, Tanabe K. (editors). Selected papers of Hirotugu Akaike. New York, NY: Springer; 1997: 199-214
• 32 Schwarz G. Estimating the dimension of a model. Ann Statist 1978; 6: 461-464
• 33 Hurvich CM, Tsai C-L. Regression and time series model selection in small samples. Biometrika 1989; 76: 297-307
• 34 Turkheimer FE, Hinz R, Cunningham VJ. On the undecidability among kinetic models: from model selection to model averaging. J Cereb Blood Flow Metab 2003; 23: 490-498
• 35 Mazerolle MJ. Mouvements et reproduction des amphibiens en tourbières perturbées. Canada: Université Laval; 2004
• 36 Barrett PH, Bell BM, Cobelli C. et al. SAAM II: Simulation, Analysis, and Modeling Software for tracer and pharmacokinetic studies. Metabolism 1998; 47: 484-492
• 37 Muzic Jr RF , Christian BT. Evaluation of objective functions for estimation of kinetic parameters. Med Phys 2006; 33: 342-353
• 38 Krauss M, Tappe K, Schuppert A. et al. Bayesian Population Physiologically-Based Pharmacokinetic (PBPK) Approach for a Physiologically Realistic Characterization of Interindividual Variability in Clinically Relevant Populations. PLoS ONE 2015; 10: e0139423
• 39 Ringhoffer M, Blumstein N, Neumaier B. et al. ¹⁸⁸Re- or ⁹⁰Y-labelled anti-CD66 antibody as part of a dose-reduced conditioning regimen for patients with acute leukaemia or myelodysplastic syndrome over the age of 55: results of a phase I-II study. Br J Haematol 2005; 130: 604-613
• 40 Schulz AS, Glatting G, Hoenig M. et al. Radioimmunotherapy based Conditioning for Hematopoietic Cell Transplantation in Children with Malignant and Non-Malignant Diseases. Blood 2011; 117: 4642-4650
• 41 Kletting P, Maaß C, Reske SN. et al. Physiologically Based Pharmacokinetic Modeling is Essential in ⁹⁰Y-labeled Anti-CD66 Radioimmunotherapy. PLoS ONE 2015; 10: e1027934
• 42 Scarpa L, Buxbaum S, Kendler D. et al. The ⁶⁸Ga/¹⁷⁷Lu theragnostic concept in PSMA targeting of castration-resistant prostate cancer: correlation of SUVmax values and absorbed dose estimates. European Jour Nucl Med Mol Imaging 2017; 44: 788-800
• 43 Hardiansyah D, Guo W, Attarwala AA. et al. Treatment planning in PRRT based on simulated PET data and a PBPK model. Determination of accuracy using a PET noise model. Nuklearmedizin 2017; 56: 23-30
• 44 Hardiansyah D, Attarwala AA, Kletting P. et al. Prediction of time-integrated activity coefficients in PRRT using simulated dynamic PET and a pharmacokinetic model. Phys Med 2017; 42 (Supplement C) 298-304