近日，刊登于国际杂志Science Translational Medicine上的一项研究论文中，来自加利福尼亚大学的研究人员通过研究开发了一种新型的计算机工具，其在小型的临床试验数据中进行检测可以帮助预测个体患者的药物使用最佳剂量，这种新型的模型工具有望帮助进行多种疾病患者的临床用药，比如癌症、心脏病、细菌性感染等疾病。

　　许多因子，比如年龄、种族、遗传特性及伴随疾病都会影响患者对既定药物的反应，从而使得通用型的药物剂量变得不足，这种现象在器官移植患者中表现尤为明显，免疫抑制药物通常会存在一种较窄的治疗范围，这就意味着高于此范围的药物剂量会产生一定的毒性风险，但低于该范围的剂量则不足以抑制器官移植带来的排斥反应。

　　当前临床医生们往往会密切监测病人并且根据患者对免疫抑制药物及其它药物的反应来调整药物的剂量;为了更好地指导个体化用药剂量，研究者Ali Zarrinpar及其同事设计了一种名为抛物线式的个体化剂量(PPD，parabolic personalized dosing)的方法，该方法可以有效利用个体的临床数据，包括血液中药物浓度等，从而来预测针对个体使用的最佳药物剂量。

　　此前的研究方法主要基于数学模型，而研究者开发的新型PPD方法利用了一种代数方程来构建病人对药物反映的抛物线图谱，在一项肝脏移植患者的初步研究中，研究者利用PPD方法给予4位患者给予一定剂量的免疫抑制药物，结果显示给予药物的剂量频繁地停留到了目标药物的剂量范围内。

　　最后研究者表示，他们希望可以开展更深入的研究来阐明这种新型方法可以潜在给予患者使用的组合性药物剂量，而且随着后期研究的开展，临床医生们或许就可以将临床数据嵌入PPD模型中来自动调整针对一系列不同患者的药物剂量，包括癌症患者、感染疾病和心脏病患者等。