中文
在药代动力学非房室分析（NCA）中，浓度-时间曲线下面积（AUC）是量化药物总暴露量的关键参数。它通常与Cmax一起用于评估系统药物暴露，并在生物等效性试验中作为统计比较的核心指标。AUC的计算方法虽基于简单的数学原理，但方法选择可能引入细微差异，需特别注意。
PART 01
AUC计算方法
线性梯形法
线性梯形法通过在浓度-时间数据点之间应用线性插值来估计AUC。简单来说，就是用直线连接相邻的浓度，形成梯形，并将它们的面积相加，计算总AUC。对于给定的时间间隔（t1 - t2）， AUC计算为：
这里前两项代表时间间隔内的平均浓度，而（t1 - t2）则是该时间间隔的持续时间。线性法在整个时间间隔内应用平均浓度。
线性梯形计算简单，但可能高估AUC，因未考虑药物消除呈指数下降特性。
对数梯形法
对数梯形法利用浓度-时间数据点之间的对数插值计算AUC。这种方法在浓度下降时更为适用，因为一阶药物消除遵循指数下降，在对数尺度上呈线性。对于给定的时间间隔（t1—t2）， AUC计算为：
该方法假设C1 > C2，并提供两种浓度的对数平均值。与线性方法类似，将平均浓度乘以时间间隔。
下图说明了线性梯形法和对数梯形法的区别。蓝线表示药物浓度的真实单指数下降，红线表示使用线性梯形法估计的AUC。由于线性梯形法假设采样点之间呈直线下降（在16和20 h），因此它高估了药物暴露。
对数梯形法对于降低浓度更准确，因为它考虑了药物消除的指数性质；但当采样点间隔很近时，这种方法与线性梯形方法之间的差异不明显。
线性-对数梯形法
这是前两种方法的结合。当浓度增加时（如在吸收阶段），使用线性梯形法。当浓度下降时（如在消除阶段），使用对数梯形法。这种方法被认为是最“准确”的，因为线性方法是药物吸收的最佳近似值，而在药物消除过程中，对数下降的最佳模型是对数梯形方法。
部分AUC
部分AUC 是指药时曲线下面积（AUC）在特定时间区间（而非整个观测周期）内的计算值。可以用来衡量药物的在体内的部分暴露量。部分AUC的计算方法与完整AUC类似，但涉及插值和外推问题，尤其是在所选时间点不是实际采样点（如计算 AUC0–1.5h，但 1.5 h 未采血），曲线末端外推（如计算 AUC0–24h，但最后采样点是 12h）。AUC的曲线末端外推我们后面会讲到，这里首先介绍Phoenix WinNonlin中不同AUC计算方法及其插值规则。
Phoenix WinNonlin中的AUC计算方法
·
线性对数梯形（Linear Log Trapezoidal）：使用线性梯形法直到Cmax，然后对曲线的剩余部分切换到对数梯形法。在计算Cmax之后的部分AUC时，使用对数插值估计浓度，其他情况应用线性插值。
·
线性梯形线性插值（Linear Trapezoidal Linear Interpolation）：采用线性梯形法进行AUC的所有计算。对于部分AUC，使用线性插值估计浓度，并在最后观察到的浓度之后使用线性外推。
·
线性上升对数下降（Linear Up Log Down）：浓度递增时采用线性梯形法，浓度递减时采用对数梯形法。对于部分AUC，如果周围浓度增加，则采用线性插值，而如果浓度降低，则采用对数插值。该方法不依赖于Cmax，使其对具有双峰的剖面更加灵活。
·
线性梯形线性/对数插值（Linear Trapezoidal Linear/Log Interpolation）：采用线性梯形法进行AUC计算。该方法与纯线性梯形线性插值法的区别在于——当所选部分AUC的端点不是采样点时（例如在Cmax之后的点），将采用对数插值法进行插值补点。
Phoenix WinNonlin中不同AUC计算方法的比对
PART 02
AUC外推（AUC0-∞）
标准指标AUC0-t表示从0时刻到最后可测浓度的药物暴露量。但在此时间点之后的药物暴露情况如何？为全面评估总药物暴露量，需通过外推法估算超出末次观测浓度的部分AUC（AUCt-∞）。
AUC外推法用于估算药物从最后可测时间点到无限时间的暴露量（AUCt-∞），从而得到完整的药物总暴露量（AUC0-∞）。这一计算基于三个关键假设：首先，药物在末次可测浓度后遵循单指数衰减规律；其次，末端消除速率常数（λz）能够被准确估算并保持稳定；最后，在末端相中消除是影响药物浓度的唯一主导过程。通常情况下这些假设成立，因为低浓度时药物多呈单指数消除，且吸收和分布过程在末端相前已基本完成。
外推部分的AUC可通过公式AUCt-∞ = Clast/kel计算，其中Clast为末次可测浓度，kel为消除速率常数。将此外推值与实测AUC0-t相加即得到总暴露量AUC0-∞。为评估外推结果的可靠性，需要计算外推部分占总AUC的百分比（%AUCextrap）。若该比例超过20-30%，则表明AUC0-∞的可靠性可能存在问题，这通常是由于末端相数据不足或Clast接近检测限所致。
为提高外推结果的准确性，建议延长采样时间以获得更多末端相数据点，从而更精确地估算λz。若外推占比过高，则需谨慎解读AUC0-∞，必要时可考虑采用截断AUC（AUC0-t）作为替代指标。
PART 03
总结
AUC计算方法的选择及其外推结果是药代动力学分析的关键环节，其准确性直接影响药物暴露量评估的可靠性。 在实际应用中，采样频率、计算方法的选择以及外推验证都会对AUC结果产生重要影响。以下将对这些关键点进行详细总结：
➢
高频采样（时间点密集）：不同方法差异小，因浓度间隔小。
➢
低频采样（时间点稀疏）：方法选择尤为关键——线性法在消除阶段可能高估AUC（假设直线下降），而对数法在吸收阶段可能低估AUC。
➢
部分AUC（特定时间区间的药物暴露量）同样受计算方法影响。由于常需估算未采样时间点的浓度，非房室分析通过插值实现，其准确性依赖于所选方法（线性或对数假设）。
➢
最优方法：Linear-Up/Log-Down法（吸收阶段用线性法，消除阶段用对数法）通常最准确，因其更贴合药物动力学特征。
➢
外推AUC需验证假设并评估可靠性，高外推占比时谨慎解读数据，优化实验设计以提高准确性。
PART 04
熙宁生物临床药理服务平台
熙宁生物临床药理服务平台，专注于创新药（涵盖生物大分子及小分子）的临床药理学研究，拥有丰富的项目经验和专业的技术能力。我们提供全方位的临床药理学服务，包括：
➢
PK NCA分析：采用WinNonlin软件非房室模型（NCA）计算PK参数，结合SAS和R等专业软件进行数据编程，确保分析结果精准可靠。
➢
实时分析支持剂量爬坡：通过实时数据分析，为SMC会议提供科学依据，优化临床试验设计。
➢
临床药理学研究设计与方案撰写：基于客户需求，定制化设计研究方案，确保科学性和合规性。
➢
完整PK/PD统计分析及CSR撰写：提供生物分析检测到统计分析报告生成的一站式服务，确保高效交付。
平台配备资深的临床药理专家、专业统计师及统计编程团队，能够对统计分析报告中的数据进行深度解读，提供专业的洞见和建议。我们严格按照CDISC标准进行统计编程，确保交付成果符合NMPA、FDA等国际监管机构的要求，助力药物快速通过审批。
PART 05
我们的优势
● 在生物大分子领域，我们拥有丰富的PK统计分析经验，涵盖 CAR-T细胞疗法、单抗、双抗、ADC（抗体药物偶联物）等药物类型，能够精准分析其非线性动力学特征、靶点介导的药物处置（TMDD）等特殊机制。
● 对小分子药物，我们深入分析其吸收、分布、代谢和排泄（ADME）特性，全面评估其药代动力学行为。
熟练使用 SAS 和 R 进行数据编程，生成高度定制化的高质量图表，相比 WinNonlin 的基础功能，R 和 SAS 在灵活性和可视化效果上更具优势，确保数据呈现清晰直观。
凭借高效的团队协作和先进的技术工具，我们能够快速响应客户需求，提供高效、精准的交付成果，助力药物研发加速推进。
参考文献：
[1] Certara. "Extrapolating AUC to Infinity." Certara Knowledge Base. Accessed 29 July 2025.
[2] Certara. "Calculating AUC: Linear and Log-Linear." Certara Knowledge Base. Accessed 29 July 2025.
