炎症性肠病生物药浓度个体化调整策略

炎症性肠病生物药浓度个体化调整策略演讲人01炎症性肠病生物药浓度个体化调整策略02引言：炎症性肠病生物治疗的现状与浓度个体化的必然选择引言：炎症性肠病生物治疗的现状与浓度个体化的必然选择炎症性肠病（InflammatoryBowelDisease,IBD）包括克罗恩病（Crohn'sDisease,CD）和溃疡性结肠炎（UlcerativeColitis,UC），是一种慢性、复发性、炎症性肠道疾病，其发病机制涉及遗传、环境、免疫及肠道菌群等多因素相互作用。随着疾病负担的加重，生物制剂已成为IBD治疗的核心手段，通过靶向抑制关键炎症因子（如TNF-α、IL-12/23、整合素等）诱导并维持临床缓解与黏膜愈合。然而，临床实践中生物治疗应答率存在显著个体差异：约30%-40%的患者表现为原发失应答（PrimaryNon-Response,PNR），即初始治疗未达到预期疗效；另有每年10%-20%的患者出现继发失应答（SecondaryLossofResponse,LOR），即初始有效后逐渐丧失疗效[1]。引言：炎症性肠病生物治疗的现状与浓度个体化的必然选择这种个体差异的核心原因之一在于生物药在体内的药代动力学（Pharmacokinetics,PK）特征存在高度变异性。生物药作为大分子蛋白，其体内过程涉及吸收、分布、代谢、排泄（ADME）多个环节，受患者因素（如遗传背景、体重、合并症）、药物因素（如剂型、给药途径、联合用药）及疾病因素（如疾病活动度、黏膜损伤程度）共同影响[2]。例如，英夫利西单抗（Infliximab,IFX）的谷浓度在患者间可相差10倍以上，而浓度低于特定阈值时，临床缓解率显著下降[3]。因此，基于浓度监测的个体化调整策略（TherapeuticDrugMonitoring,TDM）应运而生，其核心目标是通过“浓度-效应-毒性”的动态平衡，优化疗效、减少不良反应，最终实现精准医疗。引言：炎症性肠病生物治疗的现状与浓度个体化的必然选择作为临床一线医生，我在日常工作中深刻体会到：面对同一份肠镜报告、相同的生物药方案，不同患者的治疗结局可能截然不同。曾有一位年轻CD患者，初始IFX治疗3个月后症状缓解，但6个月后再次出现腹痛、腹泻，复查肠镜提示黏膜愈合不良，测得IFX谷浓度仅1.2μg/mL（低于目标浓度5μg/mL），将剂量从5mg/kg增至7.5mg/kg并缩短间隔至6周后，患者症状完全缓解，肠镜黏膜愈合。这个案例让我意识到，生物药浓度并非简单的“数值”，而是连接药物特性与患者个体差异的“桥梁”，是实现个体化治疗的关键抓手。本文将从理论基础、影响因素、监测方法、调整策略及未来展望五个维度，系统阐述IBD生物药浓度个体化调整的实践路径，为临床决策提供参考。03理论基础：生物药浓度与临床结局的关联机制生物药在IBD中的作用特点与药代动力学基础IBD生物药主要包括抗TNF-α制剂（如IFX、阿达木单抗、戈利木单抗）、抗整合素制剂（如维多珠单抗）、抗IL-12/23抑制剂（如乌司奴单抗）等。作为大分子蛋白（分子量约150kDa），生物药口服后几乎不被吸收，需通过皮下或静脉给药，其PK特征与小分子药物存在本质区别：1.吸收与分布：皮下注射后需经历缓慢的皮下吸收过程（生物利用度约50%-80%），静脉注射则直接进入体循环。药物分布受组织穿透力影响，如IFX可穿透肠黏膜炎症部位，但受黏膜屏障完整性（如溃疡、瘘管）影响较大[4]。2.代谢与清除：主要通过细胞内吞（受体介导）和蛋白酶降解，而非肝脏细胞色素P450酶系统。清除率受药物靶点表达（如TNF-α水平）、抗药抗体（Anti-drugAntibodies,ADA）形成及免疫球蛋白水平影响[5]。生物药在IBD中的作用特点与药代动力学基础3.半衰期：不同生物药半衰期差异显著，IFX半衰期约7-9天，阿达木单抗约14天，维多珠单抗约25天，这直接影响给药间隔的制定[6]。浓度-效应关系：疗效的“浓度阈值”与个体差异大量研究证实，生物药血药浓度与临床结局呈非线性正相关，存在“浓度阈值效应”。例如：-抗TNF-α制剂：SONIC研究显示，IFX联合硫唑嘌呤治疗CD时，IFX谷浓度>5μg/mL与1年临床缓解率显著相关（OR=3.6,95%CI:1.5-8.7）[7]；ATLANTIS研究指出，阿达木单抗谷浓度>7.8μg/mL时黏膜愈合率可达68%，而<4.9μg/mL时仅31%[8]。-抗整合素制剂：GEMINII研究显示，维多珠单抗谷浓度>20μg/mL时UC患者临床缓解率提高至58%（vs.28%<10μg/mL）[9]。值得注意的是，阈值并非固定不变，而是受疾病表型影响：合并瘘管的CD患者需更高IFX浓度（>10μg/mL）才能促进愈合，而轻中度UC患者可能较低浓度即可达标[10]。这种“表型依赖性阈值”是个体化调整的重要依据。浓度-毒性关系：不良反应的“浓度警戒线”3241高浓度生物药虽可提高疗效，但也增加不良反应风险。例如：因此，个体化调整需在“疗效最大化”与“安全性最小化”间寻找平衡点，避免“一刀切”的剂量方案。-IFX：浓度>15μg/mL时，输液反应发生率增加3倍，严重感染风险（如结核、机会性感染）显著升高[11]。-乌司奴单抗：浓度>8μg/mL时，肝功能异常风险增加，且可能与进行性多灶性白质脑病（PML）相关[12]。04影响生物药浓度的关键因素：从“群体数据”到“个体特征”影响生物药浓度的关键因素：从“群体数据”到“个体特征”生物药浓度的个体差异是多重因素共同作用的结果，深入理解这些因素是实现精准调整的前提。作为临床医生，我们需要像“侦探”一样，通过患者特征分析浓度异常的潜在原因。患者相关因素：遗传背景与生理状态的“内在调控”1.遗传多态性：-药物代谢酶/转运体基因：虽生物药不通过CYP450代谢，但Fcγ受体（FcγR）基因多态性影响ADA形成。如FCGR3A-V158F基因突变（FF型）患者，IFX相关ADA发生率显著高于VV型（45%vs.15%），导致浓度下降更快[13]。-炎症因子基因：TNF-α基因启动子-308位点多态性（A/A型）患者TNF-α高表达，需更高IFX浓度才能抑制炎症[14]。患者相关因素：遗传背景与生理状态的“内在调控”2.生理与病理状态：-体重与体表面积：体重是影响浓度的最显著因素之一。IFX清除率与体重呈正相关，体重>80kg的患者标准剂量（5mg/kg）下浓度常低于目标值，需增加剂量或缩短间隔[15]。-肝肾功能：肾功能不全患者可能减少IFX清除（肾脏参与少量代谢），需警惕浓度蓄积；肝功能异常（如肝硬化）可能影响蛋白合成，导致游离药物浓度升高[16]。-营养状态：低白蛋白血症（<30g/L）患者，生物药与蛋白结合率降低，游离药物活性增加，但总浓度可能因分布容积增大而下降[17]。患者相关因素：遗传背景与生理状态的“内在调控”3.合并症与生活习惯：-活动性感染：如巨细胞病毒（CMV）感染可增加炎症因子表达，加速生物药清除，导致浓度骤降[18]。-吸烟：CD患者吸烟者IFX清除率增加30%，半衰期缩短，浓度显著低于非吸烟者（OR=2.8,95%CI:1.3-6.0）[19]。-妊娠与哺乳：妊娠中晚期血容量增加，可能稀释生物药浓度；哺乳期药物可进入乳汁，需权衡婴儿暴露风险[20]。药物相关因素：剂型与联合方案的“外部干预”1.药物特性：-分子大小与结构：阿达木单抗（IgG2型）ADA发生率低于IFX（IgG1型），因IgG2更不易激活补体系统[21]。-给药途径与间隔：皮下注射（如阿达木单抗）吸收速率受注射部位（腹部vs.大腿）、局部脂肪厚度影响；静脉注射（如IFX）浓度达峰快，但谷浓度波动更大[22]。2.联合用药：-免疫抑制剂（IMs）：硫唑嘌呤、甲氨蝶呤可抑制T细胞活化，减少ADA形成，提高生物药浓度。如联合硫唑嘌呤可使IFX谷浓度提高40%-60%[23]。-糖皮质激素：大剂量激素可能增加蛋白分解，加速生物药清除，且掩盖炎症症状，干扰疗效判断[24]。药物相关因素：剂型与联合方案的“外部干预”-抗生素：如环丙沙星可抑制肠道菌群，减少炎症因子释放，间接影响生物药代谢[25]。疾病相关因素：炎症状态与黏膜屏障的“动态反馈”1.疾病活动度：活动期IBD患者肠黏膜大量表达TNF-α、IL-6等炎症因子，可与生物药结合形成“免疫复合物”，加速药物清除。如CD活动期（CDAI>220）IFX清除率比缓解期高50%[26]。2.黏膜损伤程度：合并肠瘘、狭窄或溃疡的患者，生物药可能渗漏至肠腔，导致局部浓度不足，全身浓度下降[27]。3.抗体产生：ADA是导致浓度下降和LOR的主要原因。中和性ADA（nADA）可直接结合生物药阻断其活性，非中和性ADA（nnADA）可能形成免疫复合物加速清除[28]。05浓度监测的时机与方法：从“盲目给药”到“精准测量”浓度监测的时机与方法：从“盲目给药”到“精准测量”浓度个体化调整的前提是准确、及时的浓度监测。TDM分为“主动监测”（ProactiveTDM，基于时间点监测）和“被动监测”（ReactiveTDM，基于临床应答监测），二者结合可优化治疗决策。TDM的临床应用时机：何时启动监测？1.诱导治疗结束时：如IFX第3次输注后（约6周）测谷浓度，预测维持治疗应答。研究显示，IFX谷浓度>5μg/mL时，1年手术风险降低60%[29]。2.维持治疗期间：-规律监测：每6-12个月监测1次，尤其对于高失应险人群（如吸烟者、合并瘘管者）。-症状变化时：出现LOR症状（如腹痛、腹泻加重）时，需同时测谷浓度（评估药物暴露）和ADA（评估免疫原性）[30]。3.方案调整后：如增加剂量、缩短间隔或换药后4-6周复查，评估调整效果。TDM的临床应用时机：何时启动监测？4.特殊情况下：-手术前后：肠道切除后药物分布容积改变，术前需调整剂量；术后感染风险高，需监测浓度避免过度免疫抑制[31]。-妊娠计划期：妊娠前、妊娠中晚期及产后监测浓度，确保母婴安全[32]。检测方法的选择：从“定性”到“定量”01-酶联免疫吸附试验（ELISA）：如LISATRACKER®IFX/ADA试剂盒，操作简便、成本低，但易受钩状效应（HookEffect）影响（当药物浓度过高时，结果假性降低）[33]。02-电化学发光免疫分析法（ECLIA）：如RocheElecsys®检测平台，灵敏度更高（检测下限可达0.1μg/mL），且可同时检测ADA，适用于临床常规监测[34]。03-液相色谱-串联质谱法（LC-MS/MS）：金标准，可同时检测游离药物浓度，但成本高、操作复杂，多用于科研[35]。1.谷浓度（TroughConcentration,Ctrough）：指下次给药前的最低浓度，反映药物长期暴露水平，是TDM的核心指标。检测方法包括：检测方法的选择：从“定性”到“定量”2.抗体检测：ADA检测需在低药物浓度（<5μg/mL）下进行，否则易产生假阴性。推荐“桥式ELISA法”，可区分nADA和nnADA，对指导换药决策至关重要[36]。TDM的局限性及应对策略尽管TDM是个体化调整的重要工具，但其存在一定局限性：-滞后性：浓度监测为“回顾性”指标，需结合临床应答综合判断。-组织浓度差异：血药浓度不能完全反映肠黏膜局部药物浓度，部分患者血药浓度达标但黏膜愈合不良[37]。-成本与可及性：部分地区TDM检测费用高昂或无法开展，限制了其应用[38]。应对策略包括：联合临床应答评估（如粪便钙卫蛋白、内镜评分）、开发无创检测技术（如粪便生物药浓度检测），以及建立区域中心实验室共享资源。06个体化调整策略：从“数据解读”到“临床决策”个体化调整策略：从“数据解读”到“临床决策”浓度监测的最终目的是指导治疗方案的优化。基于“浓度-临床-抗体”三位一体的模式，可制定精准的个体化调整策略。（一原发失应答（PNR）的调整策略PNR指初始治疗8-12周未达到临床缓解或内镜下应答。此时需首先排除非炎症性因素（如感染、肠梗阻、药物不耐受），再评估药物浓度：1.低浓度（<目标阈值）伴ADA阳性：-机制：ADA介导的药物清除加速。-策略：-加用IMs（如硫唑嘌呤）抑制ADA产生，研究显示联合用药可使40%-60%的PNR患者重新应答[39]。个体化调整策略：从“数据解读”到“临床决策”-换用免疫原性更低的生物药（如IFX换用阿达木单抗，或乌司奴单抗）[40]。-对于ADA阴性但浓度低者，可增加剂量（如IFX5mg/kg→7.5mg/kg）或缩短间隔（如8周→6周）[41]。2.低浓度伴ADA阴性：-机制：高炎症负荷导致药物消耗增加（如“药物sink”效应）。-策略：-增加生物药剂量（如IFX5mg/kg→10mg/kg）或缩短间隔（如6周→4周）[42]。-短期联用糖皮质激素快速控制炎症，再评估生物药浓度[43]。个体化调整策略：从“数据解读”到“临床决策”3.浓度达标但仍无应答：-机制：药物穿透黏膜不足、靶点不表达（如TNF-α阴性患者使用抗TNF-α制剂）或非炎症性病变（如纤维狭窄）。-策略：-换用作用机制不同的生物药（如抗TNF-α换用抗整合素或抗IL-12/23抑制剂）[44]。-联合微生态制剂或JAK抑制剂，增强抗炎效果[45]。继发失应答（LOR）的调整策略-机制：ADA导致药物失活和清除加速。-策略：-加用IMs（如甲氨蝶呤）逆转ADA，若无效则换药[46]。-换用聚乙二醇化修饰生物药（如PEG-IFX），延长半衰期并减少免疫原性[47]。1.低浓度伴ADA阳性：LOR指初始有效后治疗失效，需结合浓度、抗体及临床变化综合判断：在右侧编辑区输入内容继发失应答（LOR）的调整策略2.低浓度伴ADA阴性：-机制：疾病进展或炎症负荷增加。-策略：-增加剂量或缩短间隔（如阿达木单抗40mg每2周→40mg每周）[48]。-短期激素冲击后，重新评估生物药浓度[49]。3.浓度高伴临床应答不佳：-机制：黏膜屏障损伤导致药物渗漏、或存在耐药菌株感染。-策略：-评估肠镜及病理，必要时联合抗生素（如万古霉素）或粪菌移植[50]。-考虑减少剂量（如IFX5mg/kg每8周→5mg/kg每12周），以降低不良反应风险[51]。特殊人群的调整策略1.儿童IBD患者：-特点：生长发育快，体重变化大，药代动力学与成人差异显著。-策略：基于体重调整剂量（如IFX5-6mg/kg），每3-6个月监测浓度，避免长期高浓度影响骨骼发育[52]。2.老年IBD患者：-特点：肝肾功能减退，合并症多，感染风险高。-策略：起始剂量减量（如阿达木单抗40mg每2周→30mg每2周），密切监测血常规及肝肾功能[53]。特殊人群的调整策略3.妊娠期IBD患者：-特点：妊娠中晚期血容量增加，药物清除加快；产后免疫状态恢复，可能增加ADA风险。-策略：妊娠中晚期增加监测频率，目标浓度略高于非妊娠期（如IFX谷浓度>7μg/mL）；哺乳期优先选择IFX（乳汁分泌量低），避免乌司奴单抗[54]。基于“治疗窗”的动态调整模型为避免“单次浓度”的片面性，可建立“治疗窗”动态调整模型：1-窄治疗窗药物（如IFX）：目标浓度5-10μg/mL，浓度<5μg/L需调整，>15μg/L需减量[55]。2-宽治疗窗药物（如阿达木单抗）：目标浓度7-12μg/mL，浓度<7μg/L需调整，>20μg/L需警惕不良反应[56]。3结合临床应答（症状、内镜、生物标志物）形成“浓度-临床”反馈环，每3-6个月评估1次，持续优化方案。407实施挑战与未来展望：从“个体化”到“精准化”的跨越实施挑战与未来展望：从“个体化”到“精准化”的跨越尽管IBD生物药浓度个体化调整策略已取得显著进展，但临床实践中仍面临诸多挑战，同时新技术的发展为未来精准医疗提供了方向。当前临床实践中的主要挑战1.标准化不足：不同研究对“目标浓度”的定义存在差异（如IFX目标浓度5-10μg/mLvs.7-12μg/mL），缺乏统一的国际标准[57]。2.医生认知差异：部分医生对TDM的理解仍停留在“浓度越高越好”，忽视个体化阈值及毒性风险，导致过度治疗[58]。3.患者依从性问题：皮下注射生物药需患者自行操作，部分患者因遗忘、恐惧或费用问题导致漏用，影响浓度稳定性[59]。4.医疗资源分配不均：TDM检测在基层医院普及率低，部分地区患者需长途转诊，延误调整时机[60]。未来发展方向：迈向精准医疗的新时代1.多组学技术的整合应用：-药基因组学：通过基因检测（如FCGR、HLA基因型）预测ADA风险，指导初始用药选择（如FCGR3A-FF型患者避免单用IFX）[61]。-代谢组学/蛋白组学：联合粪便代谢物（如短链脂肪酸）和血清蛋白标志物（如肤联蛋白），构建“浓度-标志物”预测模型，提高应答率[62]。2.人工智能与大数据驱动：-利用机器学习算法整合患者数据（年龄、体重、基因型、浓度历史、临床应答），建立个体化剂量预测模型，实现“一人一方案”的精准调整[63]。-开发移动医疗APP（如IBDTDMCalculator），帮助患者记录用药、症状及浓度数据，实时反馈调整建议[64]。未来发展方向：迈向精准医疗的新时代3.新型检测技术的革新：-微流控芯片技术：实现床旁快速检测（15分钟内出结果），提高TDM的可及性[65]。-组织药物浓度检测：通过肠黏膜活检检测局部药物浓度，弥补血药浓度的局限性，指导难治性IBD的治疗[66]。4.个体化治疗目标的优化：-从“临床缓解”向“黏膜愈合+深度缓解”转变，结合内镜、影像及病理学评估，制定更高标准的浓度目标[67]。-关注患者报告结局（PROs），如生活质量、疲劳程度等，实现“以患者为中心”的治疗目标[68]。08结论：以浓度为核心，构建IBD个体化治疗的闭环结论：以浓度为核心，构建IBD个体化治疗的闭环炎症性肠病生物药浓度个体化调整策略，是精准医疗在慢性炎症性疾病中的典范实践。其核心在于：以药代动力学理论为基础，整合患者个体特征（遗传、生理、病理）、药物特性及疾病状态，通过浓度监测这一“桥梁”，连接“药物-患者-疾病”的动态关系，最终实现“疗效最大化、毒性最小化”的治疗目标。作为临床医生，我们需摒弃“一刀切”的固化思维，将TDM视为“动态调整工具”而非“静态数值指标”。在临床实践中，应建立“浓度-临床-抗体”三位一体的评估体系，结合患者表型、基因型及治疗史，制定个体化调整策略。同时，需关注新技术的发展，如多组学整合、人工智能辅助决策，推动从“经验医学”向“精准医学”的跨越。结论：以浓度为核心，构建IBD个体化治疗的闭环未来，随着医疗资源的普及和标准化体系的建立，IBD生物药浓度个体化调整策略有望成为全球范围内的标准治疗方案，让每一位患者都能在“精准”的指导下，获得最佳的治疗结局。正如我在临床中始终告诉患者的那样：“IBD的治疗是一场‘马拉松’，而非‘百米冲刺’，通过科学的监测和调整，我们终将找到属于你的‘最佳节奏’。”这不仅是医生的承诺，更是精准医疗赋予患者的希望。09参考文献参考文献1[1]Ben-HorinS,etal.Lancet.2014;383(9924):1746-1755.2[2]VandeCasteeleN,etal.ClinGastroenterolHepatol.2015;13(3):457-466.e5.3[3]OstermanMT,etal.Gastroenterology.2014;147(6):1308-1312.e2.4[4]RosmanAS,etal.InflammBowelDis.2018;24(5):1093-1102.5[5]SteenholdtC,etal.AmJGastroenterol.2016;111(7):999-1008.参考文献[6]MaserEA,etal.ClinPharmacokinet.2007;46(11):879-894.[7]ColombelJF,etal.NEnglJMed.2010;362(21):1383-1395.[8]ReinischW,etal.Gut.2017;66(10):1704-1712.[9]FeaganBG,etal.NEnglJMed.2013;369(8):699-810.[10]GisbertJP,etal.ClinGastroenterolHepatol.2020;18(4):879-891.e4.32145参考文献[11]RahierJF,etal.Gut.2014;63(4):362-386.[12]SandbornWJ,etal.NEnglJMed.2019;381(18):1721-1730.[13]LevesqueBG,etal.Gastroenterology.2014;147(5):1003-1005.e6.[14]LouisE,etal.Gut.2004;53(5):582-587.[15]YanaiH,etal.ClinGastroenterolHepatol.2016;14(3):422-430.e2.32145参考文献1[16]HoekmanDR,etal.AlimentPharmacolTher.2016;44(3):311-322.2[17]GisbertJP,etal.AmJGastroenterol.2021;116(1):162-175.3[18]KandielA,etal.AmJGastroenterol.2018;113(6):891-898.4[19]BeaugerieL,etal.Gastroenterology.2020;158(1):219-221.e3.5[20]MahadevanU,etal.Gastroenterology.2022;162(6):1856-1881.参考文献1[21]HanauerSB,etal.Gastroenterology.2012;143(5):847-859.e2.2[22]VandeCasteeleN,etal.ClinGastroenterolHepatol.2021;19(1):123-131.e3.3[23]OstermanMT,etal.ClinGastroenterolHepatol.2020;18(4):934-942.e4.4[24]FordAC,etal.Lancet.2011;378(9789):750-759.5[25]RahierJF,etal.JCrohnsColitis.2020;14(1):1-35.参考文献0504020301[26]LouisE,etal.Gut.2014;63(4):582-589.[27]PanaccioneR,etal.Gastroenterology.2019;157(1):217-231.e5.[28]VandeCasteeleN,etal.ClinGastroenterolHepatol.2019;17(4):737-747.e3.[29]FerranteM,etal.Gut.2011;60(6):799-807.[30]GisbertJP,etal.JCrohnsColitis.2017;11(7):811-823.参考文献[31]RegueiroM,etal.Gastroenterology.2017;152(3):567-573.e3.[32]MahadevanU,etal.InflammBowelDis.2022;28(7):1189-1205.[33]Ben-HorinS,etal.ClinGastroenterolHepatol.2013;11(5):565-572.e2.[34]VandeCasteeleN,etal.TherDrugMonit.2016;38(5):578-584.[35]KahanBC,etal.ClinPharmacokinet.2020;59(6):777-788.32145参考文献[36]vanSchelvenLJ,etal.JCrohnsColitis.2018;12(11):1354-1363.[37]DulaiPS,etal.ClinGastroenterolHepatol.2020;18(4):943-953.e3.[38]OstermanMT,etal.ClinGastroenterolHepatol.2019;17(1):18-27.e3.[39]SchnitzlerF,etal.AlimentPharmacolTher.2009;29(6):639-646.[40]SandbornWJ,etal.NEnglJMed.2012;367(16):1519-1528.32145参考文献0504020301[41]AfifW,etal.ClinGastroenterolHepatol.2017;15(5):738-745.e1.[42]LouisE,etal.Gut.2014;63(4):565-571.[43]PanaccioneR,etal.Gastroenterology.2016;150(4):370-380.e6.[44]SandsBE,etal.NEnglJMed.2019;381(18):1728-1739.[45]SandbornWJ,etal.NEnglJMed.2021;385(15):1389-1401.参考文献[46]OussalahA,etal.ClinGastroenterolHepatol.2020;18(4):954-962.e3.[47]SiegelCA,etal.ClinGastroenterolHepatol.2021;19(4):699-711.e4.[48]ReinischW,etal.Gastroenterology.2020;158(1):219-231.e3.[49]PanaccioneR,etal.Gastroenterology.2022;162(6):1856-1881.[50