曲線下面積 (藥物代謝動力學)

在藥物代謝動力學領域，曲線下面積（英文：Area Under the Curve，簡寫：AUC）是指：血漿中藥物濃度隨時間的定積分，該積分可通過液相色譜-質譜法進行計算。在藥理學實踐中，會在某些離散時間點上測量藥物濃度，並基於梯形法則進行AUC的估算。在藥理學中，藥物的血漿濃度隨服藥後時間的面積積分，可顯示藥物在體內的暴露（exposure）程度以及藥物在體內的清除速率。

每 24 小時口服給藥後 96 小時內藥物血漿濃度的時間進程。在穩態和線性藥代動力學中，AUCτ=AUC∞。 大約 5 × 12 = 60 小時後達到穩態。該圖展示了藥物血漿濃度的典型時間過程，並解釋了主要的藥代動力學指標

AUC的意義及用途

$AUC_{0-\infty }$，代表時間從零（服藥開始）至無窮大（藥物完全從體內清除）期間的AUC值，即隨時間推移藥物在體內的總暴露量。若需確定同劑量的兩種不同劑型是否暴露量等同，例如膠囊和片劑是否可在組織中有相等的暴露量時，AUC通常作為關鍵的指標進行測定。

AUC可用於對具有較窄治療指數的藥物進行治療藥物監測。例如，慶大黴素是一種具有腎毒性（可損害腎臟）和耳毒性（可損害聽力）的抗生素；通過測量患者血漿中慶大黴素的濃度並測算AUC，可指導該藥物的用藥劑量。

AUC還可計算出一段時間內的血漿中藥物的平均濃度（AUC/t）。此外，在研究藥物清除時也會參考AUC數據，其中有機體清除量（質量）= 清除率（體積/時間）* AUC（質量*時間/體積）。

AUC和生物利用度

在藥代動力學中，生物利用度通常是指：相對於全部服藥量，藥物被人體吸收並可產生生物學效應的比例。這個評估生物利用度的過程中，通常需要定量測算AUC。為確定各個不同給藥方式下的AUC值，通常使用C-14標記藥物和加速質譜（accelerated mass spectrometry，AMS）收集血清濃度與時間的關係圖。

生物利用度可以根據測量「絕對生物利用度」或「相對生物利用度」來進行計算。

絕對生物利用度

絕對生物利用度（absolute bioavailability，F_abs）是指：藥物通過血管外劑型給藥時，包括口服片劑、栓劑、皮下注射等劑型的生物利用度，與靜脈內給藥（intravenously，IV）之生物利用度的比值。其測量值計算如下：非靜脈劑型給藥的AUC與靜脈給藥的AUC的比值，再乘以每種劑型各自的劑量進行校正，即得到絕對生物利用度F_abs。

$F_{\text{abs}}=\left({\frac {{\text{AUC}}_{\text{non-IV}}}{{\text{AUC}}_{\text{ IV}}}}\ \right)\times \left({\frac {{\text{Dose}}_{\text{ IV}}}{{\text{Dose}}_{\text{non-IV}}}}\ \right)$

其中：

• AUC_non-IV：非靜脈劑型給藥下的AUC
• AUC_IV：靜脈給藥的AUC
• Dose_non-IV：非靜脈劑型給藥的劑量
• Dose_IV：靜脈給藥的劑量

相對生物利用度

相對生物利用度Frel（relative bioavailability，F_rel）是指：兩種不同劑型之間的生物利用度的比值。同樣，通過各自劑型下AUC的值進行比較，再使用相對劑量進行校正即得到相對生物利用度F_rel。

$F_{\text{rel}}=\left({\frac {{\text{AUC}}_{\text{dosageA}}}{{\text{AUC}}_{\text{dosageB}}}}\ \right)\times \left({\frac {{\text{Dose}}_{\text{B}}}{{\text{Dose}}_{\text{A}}}}\ \right)$

其中：

• AUC_dosageA：給藥方式A條件下的AUC
• AUC_dosageB：給藥方式B條件下的AUC
• Dose_A：給藥方式A的劑量
• Dose_B：給藥方式B的劑量

其他應用

食物攝入後，血漿中葡萄糖濃度變化的AUC用於計算血糖指數。

變化

測算方法學

早於1975年，在JG Wagner的《臨床藥代動力學基礎》一書中使用梯形法則進行AUC計算。除了經典的梯形法則，還有其他方法可對AUC進行計算，並考慮了一級動力學形成的典型濃度曲線。1977年的一篇論文將以上兩種方式進行了比較。

儘管存在上述發表的文獻，MM Tai發表在期刊《糖尿病護理》的一篇論文中聲稱，她曾經獨立發現了梯形法則。在此後Tai給編輯的郵件回覆中，她解釋其同事曾經使用網格計數進行AUC的計算，而是她首先提出了梯形法則。Tai的論文曾被作為學術同行評審的失敗案例進行討論。

儘管數學上有許多優越的數值積分方案，如Wagner & Ayres 1977中提出的方案，但迄今為止，梯形法則仍是AUC計算的慣用方法。為提高AUC計算的精度，後期研究者從改進AUC計算方法的研究，逐漸將注意力轉移至如何改進採樣方案。如2019年提出的OTTER算法，該算法通過找到更高斜率周期，對輸入數據的指數曲線總和（Sum of exponential curve）進行擬合，並僅利用擬合數據以建議更好的採樣時間。

擴展資料

效應曲線下面積（Area Under the Effect Curve，AUEC）是藥物的效應隨時間的積分，而時間通過先前建立的濃度函數進行估算。當從動物劑量轉換推測人用藥劑量時，效應曲線下面積AUEC被提議可替代AUC進行評估，這是由於計算機模擬表明AUEC比AUC能更好地處理藥物半衰期和給藥方案的變化。例如某結合藥代動力學和藥效學的PK/PD模型中，AUEC是其中的關鍵療效的決定因素。

參見

• C _max（藥理學）
• C _min（藥理學）
• C_均值（藥理學）
• 接收者操作特性的「曲線下面積」