IVIVC：让体外溶出预测体内表现

为什么我们想用烧杯预测患者

每一项临床生物等效研究都耗费金钱、时间与志愿者暴露。相比之下，实验室里的一次溶出试验既便宜又可重复——你把剂型投入一容器的液体，测量药物溶解的快慢。体外-体内相关性（IVIVC）的梦想，就是让那次烧杯试验预测真实患者体内的血药曲线。若存在可靠的相关性，产品的变更便可通过重做溶出试验来放行，而无需再次给人给药。

只有当溶出是缓慢的控速步骤时——即吸收为溶出速率限制时——IVIVC 在物理上才说得通。对于溶解快、渗透高的药物，溶出早在吸收结束之前就完成了，因此烧杯没有什么有意义的东西可预测。这正是 IVIVC 对缓控释产品最有价值的原因：处方刻意控制释放速率，而该速率主宰着下游的一切。

相关性的层级

并非所有相关性都同样有力，因此该框架定义了层级。A 级相关性是金标准：整条体外溶出曲线与整条体内吸收曲线之间逐点的关系。B 级相关性比较概括统计量——例如以平均体外溶出时间对平均体内驻留时间——用上全部数据，但仅作平均。C 级相关性把单一溶出点（比如 60 分钟时的溶出百分比）与单一药代参数如 AUC 或 Cmax 相联系。A 级最有用，因为它能预测整条血药曲线，而非仅一个数。

搭建一个 A 级相关性

1. 制备两到三个释放速率刻意不同的缓释产品版本——慢、中、快。
2. 测量每个版本的体外溶出曲线，并开展临床研究以获得每个版本的血药曲线。
3. 对血药曲线进行解卷积，还原体内吸收曲线——随时间吸收的药物分数。
4. 在对应时间点把体内吸收分数对体外溶出分数作图；一条接近 45° 的直线即确认 A 级相关性。
5. 用一个预留批次的溶出数据预测其血药曲线，并核查预测误差，以此进行验证。

Level A correlation - one matched time point pair

  Time (h)   % dissolved in vitro   % absorbed in vivo
     1              22                    20
     2              41                    39
     4              68                    66
     8              95                    93

Fit:  Fa(in vivo) = slope * Fd(in vitro) + intercept
      slope  ~ 0.98   intercept ~ 0  ->  near 1:1 line  =>  Level A

Validation on a new batch:
  predicted AUC = 41.0 ;  observed AUC = 42.3
  prediction error = |41.0 - 42.3| / 42.3 = 3.1%   (well under the 10-15% guide)