製藥行業的不確定度量化
在開發和尋求新藥的監管批准時，科學家，藥劑師和工程師可能會遇到幾類挑戰。挑戰之一是瞭解圍繞新藥開發的不確定性和新藥法規遵從性的證據。由於沒有兩個患者相同，因此科學家和工程師需要以可接受的置信度來瞭解藥物在多種操作條件下的功能。其他不確定性可能來自劑量變化或原始化學配方的變化。這些變化會導致性能不確定，並可能導致零件受損或使用壽命縮短。其他挑戰包括進行臨床試驗或滿足嚴格的政府法規的費用。
面對這些挑戰時，模擬已成為強大的推動力。通過模擬，科學家和工程師無需大量且昂貴的臨床試驗，即可確定給定人群的最佳劑量，並更好地瞭解敏感性和不確定性。但是，模擬有其自身的風險和挑戰。
此外，在COVID-19大流行期間，建模和模擬一直是每個主要新聞報導的最前沿。對於公共衛生組織，建模和模擬對於預測COVID-19的傳播至關重要。對於製藥公司而言，建模和模擬對於加速疫苗的開發至關重要。
FDA模擬與建模
美國食品藥品監督管理局（FDA）建議在藥物和醫療器械的開發和監管評估中使用建模和模擬。FDA建議使用模擬和建模的地方包括：
預測臨床結果
告知臨床試驗設計
支持有效性的證據
確定要研究的相關患者
預測產品安全
FDA繼續與業界合作，進一步開發新的建模和模擬方法，這將為創新和向公眾迅速引入新的救生技術提供一條途徑。
藥物模擬挑戰
儘管模擬和建模具有許多優勢，但MIDD仍面臨許多挑戰，包括開發模型時使用的數據質量，對關鍵藥物開發和監管決策缺乏一致的應用以及如何處理來自不同來源的數據，例如體內和臨床試驗。兩個主要挑戰是考慮給定總體中許多變化並建立模擬模型有效性的計算成本。
SmartUQ解決方案
統計校準是在模擬中調整校準參數以更好地適應實際情況的過程，同時還可以量化模型中的不確定性，並提出需要改進的領域以減少總體不確定性。使用SmartUQ的工具集，此過程始於構建用於校準和驗證的有效人類臨床設計。SmartUQ提供專門的DOE，例如模擬到臨床試驗，它將採用模擬的DOE並構建互補的臨床試驗DOE。
模型驗證是從模型的預期用途的角度確定模型對現實世界的準確表示的程度的過程。理想的驗證是預測驗證，在不確定性下可能很難做到。這涉及確定解釋來自輸入不確定性分佈，差異圖和模擬器方差中不確定性的所有不確定性資訊的最佳方法。例如，PBPK模擬可用於預測封裝藥物的吸收速率。來自實驗的體內數據可以與模擬結合使用，以確定模擬可以在哪裡可靠地預測數據，以及量化預測的不確定性。這可以幫助確定即使在不確定的條件下，新藥配置是否也將符合IVIVC標準。此外，在整個驗證過程中，可以將靈敏度分析作為驗證“健全性檢查”來執行，以查看局部和全域靈敏度如何影響目標輸出。
