Pharmakokinetik in der Arzneimittelentwicklung: Was Entwickler wissen müssen

Pharmakokinetik entscheidet, ob ein Wirkstoff seinen Wirkort in ausreichender Konzentration erreicht, und damit oft über Erfolg oder Abbruch eines Entwicklungsprogramms. Ohne belastbare PK-Daten lässt sich keine sichere Dosis festlegen, keine Wirksamkeit vorhersagen und kein Zulassungsdossier bei der EMA einreichen. Systematische Übersichten belegen, dass pharmakokinetische Probleme zu den häufigsten Ursachen für den Abbruch klinischer Entwicklungsprogramme zählen. Und das, obwohl die Entwicklung eines Medikaments laut Fraunhofer CIMD im Schnitt mehr als 13 Jahre dauert und von mehreren Tausend geprüften Substanzen am Ende oft nur ein bis zwei Kandidaten die Zulassung erreichen.

Die zentralen Kenngrößen, die dabei über Fortführung oder Stopp entscheiden, sind AUC (Fläche unter der Konzentrations-Zeit-Kurve), Cmax (maximale Plasmakonzentration), t½ (Halbwertszeit), Clearance (CL) und Verteilungsvolumen (Vd). Sie alle sind nicht nur akademische Größen, sondern direkte Entscheidungsparameter in Präklinik, klinischen Phasen und Zulassungsverfahren.

Wichtige Erkenntnisse

Pharmakokinetik ist kein Teilaspekt der Arzneimittelentwicklung, sondern deren quantitatives Rückgrat: Ohne belastbare AUC-, Cmax- und Clearance-Daten lässt sich weder ein sicheres Dosierungsregime begründen noch ein EMA-Dossier erfolgreich einreichen.

Inhaltsverzeichnis

• Was versteht man unter Pharmakokinetik und dem LADME-Konzept?
• Welche pharmakokinetischen Kenngrößen sind für Entwicklungsentscheidungen relevant?
• Wie beeinflusst Pharmakokinetik die einzelnen Phasen der Arzneimittelentwicklung?
• Welche Methoden messen und modellieren pharmakokinetische Daten?
• Wie steuert die PK/PD-Beziehung Wirksamkeit und Toxizität?
• Was erwarten Zulassungsbehörden wie die EMA von PK-Daten?
• Warum scheitern Kandidaten an PK-Problemen, und wie lässt sich das verhindern?
• Wie können patientenspezifische Modelle PK/PD-Fragen in der Entwicklung adressieren?
• Praktische Empfehlungen zur PK-Priorisierung im Projekt
• Hopeatrarelabs: Patientenspezifische Modelle für PK/PD-Fragestellungen bei seltenen Erkrankungen
• Quellen

Was versteht man unter Pharmakokinetik und dem LADME-Konzept?

Pharmakokinetik beschreibt, was der Körper mit einem Arzneistoff macht. Sie erfasst den zeitlichen Verlauf von Arzneistoffkonzentrationen im Organismus und liefert die Grundlage für Dosierungsempfehlungen. Der Begriff geht auf Friedrich Hartmut Dost zurück, der ihn 1953 geprägt hat; heute ist das LADME-Modell der operative Rahmen für jede Entwicklungsentscheidung.

LADME steht für fünf aufeinanderfolgende Prozesse:

• Liberation (Freisetzung): Der Wirkstoff wird aus der Darreichungsform freigesetzt. Formulierungsentscheidungen, etwa Retardtablette versus Sofortfreisetzung, greifen direkt hier ein und bestimmen das gesamte nachfolgende Konzentrationsprofil.
• Absorption (Resorption): Der freigesetzte Wirkstoff gelangt ins Blut. Bioverfügbarkeit und Resorptionsrate hängen von Löslichkeit, Permeabilität und dem First-Pass-Effekt ab.
• Distribution (Verteilung): Der Wirkstoff verteilt sich im Körper. Gewebepenetration, Plasmaproteinbindung und Lipophilie bestimmen, wo er sich anreichert und in welcher Konzentration er am Wirkort ankommt.
• Metabolism (Metabolisierung): Enzymatische Umwandlung, vor allem durch Cytochrom-P450-Enzyme in der Leber, erzeugt aktive oder toxische Metaboliten und beeinflusst die effektive Wirkstoffmenge.
• Excretion (Ausscheidung): Renale oder biliäre Elimination bestimmt, wie schnell der Wirkstoff den Körper verlässt, und damit die Halbwertszeit.

Pharmakodynamik ist das Gegenstück: Sie beschreibt, was der Arzneistoff mit dem Körper macht, also Wirkung und Toxizität am Zielrezeptor. Erst die Kombination beider Perspektiven, das PK/PD-Modell, erlaubt es, Dosierungsregime rational zu begründen. Wer nur PD-Daten hat, weiß, was ein Wirkstoff theoretisch kann. Wer auch PK-Daten hat, weiß, ob er es beim Patienten tatsächlich tut.

Welche pharmakokinetischen Kenngrößen sind für Entwicklungsentscheidungen relevant?

Fünf Parameter tragen den Großteil der Entscheidungslast in der Arzneimittelforschung. Jeder beantwortet eine andere Frage.

Kurzes Rechenbeispiel: Aus Clearance und AUC lässt sich die verabreichte Dosis abschätzen: Dosis = CL × AUC. Hat ein Wirkstoff eine Clearance von 10 L/h und soll eine AUC von 50 µg·h/mL erreichen, ergibt sich nach Berechnungen eine Zieldosis von 500 µg. Umgekehrt lässt sich aus gemessener AUC und bekannter Dosis die tatsächliche Clearance berechnen, was bei Dosisanpassungen für Patienten mit Niereninsuffizienz direkt genutzt wird.

Die Halbwertszeit bestimmt das Dosierungsintervall: Nach etwa fünf Halbwertszeiten ist ein Wirkstoff zu über 97 % eliminiert, und nach einer vergleichbaren Anzahl von Dosierungen im Steady State. Ein Wirkstoff mit einer Halbwertszeit von 24 Stunden eignet sich für eine einmal tägliche Gabe; eines mit etwa 4 Stunden erfordert eine mehrfache Dosierung oder eine Retardformulierung.

Ein hohes Verteilungsvolumen (Vd > 1 L/kg) zeigt, dass der Wirkstoff stark ins Gewebe verteilt wird. Das kann therapeutisch erwünscht sein, etwa bei intrazellulären Erregern, erschwert aber die Elimination und verlängert die Wirkdauer.

Wie beeinflusst Pharmakokinetik die einzelnen Phasen der Arzneimittelentwicklung?

Laut DZIF dauert die Entwicklung neuer Medikamente in der Regel länger als zehn Jahre. PK-Daten begleiten diesen Prozess von Anfang bis Ende, aber die Fragen, die sie beantworten müssen, verschieben sich mit jeder Phase.

Präklinische Phase: Hier steht ADME-Screening im Vordergrund. Welche Tiermodelle bilden die humane PK am besten ab? Wie metabolisiert die Ratte den Wirkstoff im Vergleich zum Menschen? Nicht-klinische Studien prüfen Resorption, Verteilung, Metabolisierung und Ausscheidung sowie Toxikokinetik. Sie identifizieren Zielorgan-Toxizität und ungünstige PK-Eigenschaften, die einen Projektabbruch rechtfertigen, bevor teure klinische Studien beginnen.

Die klinischen Phasen verlangen dann schrittweise mehr:

1. Phase I (Erstanwendung am Menschen): Sicherheit, Verträglichkeit und erste PK-Parameter werden an gesunden Probanden oder, bei Onkologika, an Patienten erhoben. Einzel- und Mehrfachdosisstudien liefern t½, AUC, Cmax und erste Hinweise auf Linearität.
2. Phase II (Dosisfindung): PK-Daten aus Phase I werden genutzt, um das therapeutische Fenster einzugrenzen. Populations-PK-Analysen beginnen, Variabilität zwischen Patienten zu quantifizieren.
3. Phase III (Wirksamkeitsnachweis): Wechselwirkungsstudien, PK in Subpopulationen (ältere Patienten, eingeschränkte Organfunktion) und Bioäquivalenz-Vergleiche für verschiedene Formulierungen werden abgeschlossen. Das Dosierungsregime muss regulatorisch begründet sein.
4. Zulassung und Phase IV: Das EMA-Dossier verlangt vollständige Dokumentation aller PK-Studien, Bioäquivalenznachweise und, wo relevant, Therapeutic Drug Monitoring-Daten. Post-Marketing-Surveillance kann weitere PK-Fragen aufwerfen.

Profi-Tipp: Wer PK-Studien zu Wechselwirkungen und vulnerablen Populationen erst in Phase III plant, riskiert teure Nachholstudien. Frühe Allometrie-Analysen und In-Silico-Vorhersagen für Nieren- und Leberfunktionsstörungen reduzieren dieses Risiko erheblich.

Welche Methoden messen und modellieren pharmakokinetische Daten?

Die Bioanalytik ist das Fundament jeder PK-Studie. LC-MS/MS (Flüssigchromatographie gekoppelt mit Tandem-Massenspektrometrie) gilt heute als Goldstandard für die quantitative Bestimmung von Arzneistoffen und Metaboliten in biologischen Matrices. Die Methode muss nach regulatorischen Leitlinien validiert werden: Selektivität, Linearität, Präzision, Richtigkeit, Stabilität und Matrix-Effekte sind Pflichtparameter. Fehler in der Bioanalytik, etwa unzureichende Stabilitätstests oder nicht validierte Metaboliten-Assays, können ganze Studienpakete unbrauchbar machen.

Neben PBPK gibt es weitere Modellierungsansätze:

Nicht-kompartimentelle Analyse (NCA): Direkte Berechnung von AUC, t½ und CL aus gemessenen Konzentrations-Zeit-Daten ohne Modellannahmen. Schnell, robust, regulatorisch akzeptiert. Geeignet für gut kontrollierte Studien mit ausreichend Zeitpunkten.

Kompartimentelle Analyse: Beschreibt den Körper als ein oder mehrere mathematische Kompartimente. Ermöglicht Extrapolationen und Simulationen, erfordert aber Modellannahmen, die validiert werden müssen.

Populations-PK (Pop-PK): Analysiert PK-Daten aus heterogenen Patientenpopulationen mit gemischten Effektmodellen (z. B. NONMEM). Quantifiziert inter- und intraindividuelle Variabilität und identifiziert Kovariaten wie Körpergewicht, Nierenfunktion oder genetische Polymorphismen. Regulatorisch wird Pop-PK zunehmend als Pflichtbestandteil von Zulassungsdossiers erwartet.

Therapeutic Drug Monitoring (TDM) schließt den Kreis zwischen Modell und Klinik: Gemessene Plasmaspiegel beim individuellen Patienten werden genutzt, um die Dosis in Echtzeit anzupassen, besonders bei engen therapeutischen Fenstern wie Immunsuppressiva oder Antiepileptika.

Wie steuert die PK/PD-Beziehung Wirksamkeit und Toxizität?

PK allein sagt noch nichts über den Therapieerfolg. Erst die Verknüpfung mit pharmakodynamischen Endpunkten, der PK/PD-Beziehung, macht Dosierungsentscheidungen rational begründbar.

Kleines Fallbeispiel: Aminoglykoside wie Gentamicin wirken konzentrationsabhängig. Ihre bakterizide Wirkung korreliert mit dem Cmax/MIC-Verhältnis. Eine einmal tägliche Hochdosisgabe erzielt einen höheren Cmax-Peak als drei kleine Dosen und ist damit mikrobiologisch effektiver, obwohl die Gesamttagesdosis identisch ist. Beta-Lactam-Antibiotika dagegen wirken zeitabhängig: Entscheidend ist, wie lange die freie Konzentration über der MIC bleibt. Hier ist eine kontinuierliche Infusion oder häufige Dosierung der Einzelhochdosis überlegen.

EC50 bezeichnet die Konzentration, bei der 50 % des maximalen Effekts erreicht werden. Der Hill-Koeffizient beschreibt die Steilheit der Konzentrations-Wirkungs-Kurve. Ein steiler Hill-Koeffizient bedeutet, dass kleine Konzentrationsänderungen große Wirkungsänderungen auslösen, was die Dosierungsgenauigkeit besonders kritisch macht.

Was erwarten Zulassungsbehörden wie die EMA von PK-Daten?

Regulatorische Anforderungen an PK-Daten sind nicht verhandelbar. Die EMA verlangt für jedes Zulassungsdossier eine vollständige Dokumentation der PK-Eigenschaften des Wirkstoffs, und zwar nicht als Anhang, sondern als tragendes Element der Nutzen-Risiko-Bewertung.

Konkret bedeutet das für Entwicklungsteams:

Bioäquivalenz: Bei Generika oder neuen Formulierungen ist es wichtig sicherzustellen, dass AUC und Cmax innerhalb der üblichen akzeptierten Grenzen (typischerweise 80–125 % des Referenzpräparats) liegen. Abweichungen erfordern eine klinische Rechtfertigung.

Analytische Validierung: Alle bioanalytischen Methoden müssen nach EMA-Guideline zur Bioanalytik validiert sein. Fehlende Stabilitätsdaten oder nicht dokumentierte Matrixeffekte sind häufige Nachforderungsgründe.

Vulnerable Populationen: Kinder, ältere Patienten, Personen mit Nieren- oder Leberinsuffizienz und genetische Subgruppen (z. B. CYP2D6 Poor Metabolizer) müssen entweder in Studien eingeschlossen oder durch PBPK-Modelle adressiert werden. Eine regulatorische Strategie für seltene Therapien muss diese Anforderungen von Anfang an einplanen.

Wechselwirkungen: Studien zu CYP-Inhibition und -Induktion sowie zu Transporterinteraktionen sind Pflicht, wenn der Wirkstoff relevante Substrate oder Inhibitoren betrifft.

Warum scheitern Kandidaten an PK-Problemen, und wie lässt sich das verhindern?

Ungünstige physikochemische Eigenschaften wie zu hohe Lipophilie oder schlechte Löslichkeit führen oft schon im Screening zum Abbruch, selbst wenn das Target-Binding exzellent ist. Das ist kein Pech, sondern ein vorhersehbares Muster.

Typische PK-Risiken im Entwicklungsprogramm:

• Schlechte Löslichkeit: Geringe Bioverfügbarkeit nach oraler Gabe, hohe Variabilität zwischen Patienten, schwierige Formulierbarkeit.
• Zu hohe Lipophilie: Akkumulation im Fettgewebe, verlängerte Halbwertszeit, erhöhtes Toxizitätsrisiko.
• Unzureichende Bioverfügbarkeit: Hoher First-Pass-Effekt oder schlechte Membranpermeabilität machen eine orale Formulierung unwirtschaftlich oder unmöglich.
• Unerwartete Metabolitentoxizität: Reaktive Metaboliten können Organtoxizität auslösen, die im Target-Screening nicht sichtbar war.
• **Starke Wechselwirkungen, beispielsweise durch CYP3A4-Inhibition oder -Induktion, können die Exposition koadministrierter Arzneimittel deutlich verändern.
• Akkumulation bei Mehrfachdosierung: Unterschätzte Halbwertszeit führt zu unerwarteten Steady-State-Konzentrationen.

Strategien zur Risikominderung beginnen früh. Physikochemische Optimierung (LogP, pKa, Löslichkeit) im Screening-Stadium kostet wenig und spart viel. Formulierungsansätze wie Nanopartikel, Amorphisierung oder Prodrug-Strategien können Bioverfügbarkeitsprobleme lösen. Frühe PBPK-Modelle erlauben Expositionsvorhersagen für Risikogruppen, bevor klinische Studien beginnen. Gezielte Toxikokinetik-Studien in der Präklinik identifizieren Metabolitentoxizität, bevor sie klinisch relevant wird.

Profi-Tipp: Einfache In-Silico-Checks wie LogP/PSA-Analysen und Caco-2-Permeabilitätsassays im frühen Screening kosten einen Bruchteil einer Phase-I-Studie. Wer diese Daten systematisch erhebt und als Go/No-Go-Kriterium nutzt, vermeidet den häufigsten und teuersten Fehler in der Arzneimittelentwicklung: einen schlechten Kandidaten zu weit zu tragen.

Wie können patientenspezifische Modelle PK/PD-Fragen in der Entwicklung adressieren?

Für seltene genetische Erkrankungen fehlen oft repräsentative Tiermodelle. Klassische ADME-Studien in Ratte oder Maus liefern dann keine verlässlichen Vorhersagen für die humane Exposition, weil die zugrunde liegende Enzymausstattung oder der Transporterstatus des Patienten von der Norm abweicht.

Patientenspezifische Modelle auf Basis induzierter pluripotenter Stammzellen (iPSC) bieten hier einen anderen Ansatz:

• Metabolisierungswege ex vivo: iPSC-abgeleitete Hepatozyten aus Patientenzellen können genutzt werden, um krankheitsspezifische Metabolisierungsmuster zu untersuchen, etwa bei Patienten mit seltenen CYP-Varianten oder mitochondrialen Erkrankungen, die den Arzneistoffmetabolismus verändern.
• Patientenspezifische Expositionsabschätzung: Bei seltenen Genvarianten, die Transporter oder Enzyme betreffen, erlauben iPSC-Modelle eine Abschätzung, wie stark die individuelle Exposition vom Populationsmittelwert abweicht. Diese Daten können PBPK-Modelle mit realistischeren patientenspezifischen Parametern versorgen.
• Ergänzung zu PBPK: Wo PBPK auf Literaturdaten für Enzymaktivitäten angewiesen ist, können ex-vivo-Messungen aus patientenspezifischen Zellmodellen diese Lücke schließen und die Modellvorhersage verbessern.
• Wirkstoff-Screening mit PK-Relevanz: Paralleles Screening von bereits zugelassenen Wirkstoffen an patientenspezifischen Modellen liefert nicht nur Wirksamkeitsdaten, sondern auch erste Hinweise auf zelluläre Aufnahme und Metabolismus.

Hinweis zum Scope: Diese Modelle liefern präklinische Hypothesen und ergänzende Daten. Sie ersetzen keine klinischen PK-Studien und stellen keine Therapiegarantie dar. Die Einbindung in ein Entwicklungsprogramm sollte mit regulatorischen und klinischen Experten abgestimmt werden.

Praktische Empfehlungen zur PK-Priorisierung im Projekt

Die häufigste Fehlinvestition in der Arzneimittelentwicklung ist nicht zu wenig PK, sondern PK zur falschen Zeit. Wer in Phase II merkt, dass die Bioverfügbarkeit bei 8 % liegt, hat ein Problem, das in der Präklinik lösbar gewesen wäre.

Konkrete Prioritäten nach Phase:

Präklinik / frühes Screening:

• LogP, Löslichkeit, Permeabilität (Caco-2 oder PAMPA) als erste Screening-KPIs
• In-Silico-Metabolismusvorhersage (CYP-Substrat/-Inhibitor)
• Allometrische Skalierung für erste Dosisabschätzungen
• Frühe PBPK-Modelle für Risikogruppen, wenn Indikation vulnerable Populationen betrifft

Phase I / II:

• Vollständige NCA-Auswertung aller Dosisgruppen
• Pop-PK-Modell aufsetzen, sobald ausreichend Patientendaten vorliegen
• Wechselwirkungsstudien für relevante CYP-Substrate früh einplanen
• TDM-Protokoll entwickeln, wenn therapeutisches Fenster eng ist

Phase III / Zulassung:

• Bioäquivalenz-Studien für alle geplanten Formulierungen
• PBPK-Justifizierung für Dosisanpassungen in Subpopulationen
• Vollständige bioanalytische Validierungsdokumentation

Für Projekte mit seltenen Indikationen, bei denen klassische Tiermodelle nicht repräsentativ sind, kann Hopeatrarelabs patientenspezifische iPSC-Modelle und parallele Wirkstoffscreens bereitstellen, die präklinische PK/PD-Hypothesen mit individualisierten Daten untermauern. Das ist kein Ersatz für regulatorisch geforderte Studien, aber ein wertvoller Baustein, wenn die Datenlage dünn ist und Entwicklungsentscheidungen unter Unsicherheit getroffen werden müssen. Wer klinische Studien bei seltenen Erkrankungen plant, findet dort auch Hinweise zur Einbindung seltener Patientengruppen.

Hopeatrarelabs: Patientenspezifische Modelle für PK/PD-Fragestellungen bei seltenen Erkrankungen

Wer einen Wirkstoff für eine ultra-seltene genetische Erkrankung entwickelt, steht vor einem konkreten Problem: Es gibt kein Tiermodell, das die Erkrankung zuverlässig abbildet, und klinische PK-Daten aus der Zielpopulation sind kaum verfügbar. Genau hier setzt Hopeatrarelabs an.

Das Leistungsbild umfasst iPSC-Modelle aus patienteneigenen Zellen, CRISPR-Korrekturen zur Kontrolle genetischer Varianten, parallele Screens von rund 3.000 bereits zugelassenen Wirkstoffen sowie die Analyse von Metabolisierungswegen und Gentherapieoptionen. Für PK/PD-Fragestellungen bedeutet das: Wo PBPK-Modelle auf Literaturdaten angewiesen sind, können patientenspezifische Zellmessungen diese Parameter mit realen, krankheitsspezifischen Werten füllen.

Hopeatrarelabs ist sinnvoll, wenn die Indikation selten ist, kein repräsentatives Tiermodell existiert und individualisierte Hinweise auf Metabolisierung oder Exposition gefragt sind. Das Angebot richtet sich an Patienten, Familien, Stiftungen und biopharmazeutische Partner, die individuelle Entwicklungsprogramme beauftragen. Hinweis: Die Ergebnisse sind präklinische Forschungsdaten, keine klinische Therapiegarantie.

Mehr zu Umfang und Einstieg finden Sie in der Wissensressource von Hopeatrarelabs oder direkt auf der Übersichtsseite zu iPSC-Modellierung und Präzisionsmedizin.

Quellen

Für die regulatorische und wissenschaftliche Arbeit mit pharmakokinetischen Daten sind folgende Quellen besonders relevant:

EMA-Leitlinien: Die EMA veröffentlicht Guidances zu Bioäquivalenz, bioanalytischer Methodenvalidierung und PBPK-Anwendungen. Diese sind verbindliche Referenzen für jedes Zulassungsdossier in der EU.

MSD Manual (Profi): Die Übersicht zur Pharmakokinetik bietet eine kompakte, klinisch orientierte Einführung in ADME, Kenngrößen und PK/PD-Beziehungen. Geeignet als Einstieg und Referenz für klinische Teams.

NCBI Bookshelf, PBPK Modeling: Das Kapitel zu PBPK-Modellierung erklärt Anwendungsszenarien, Validierungsanforderungen und regulatorische Akzeptanz. Pflichtlektüre für Teams, die PBPK in Dossiers einsetzen wollen.

EUPATI Toolbox: Die Übersicht zu nicht-klinischen Studienarten erklärt, welche präklinischen PK-Studien in welcher Phase erwartet werden.

Leibniz-HKI, Pharmakokinetik & ADME: Praxisnahe Darstellung physikochemischer Prädiktoren für PK-Probleme im frühen Screening.

PubMed-Übersichtsarbeiten: Systematische Reviews zu PK-Abbruchgründen, etwa dieser Übersichtsartikel, liefern empirische Belege für die wirtschaftliche Bedeutung früher PK-Checks.

Für Biomarker-basierte Ansätze, die PK/PD-Interpretationen unterstützen, sowie für Fragen zum Wirkstoff-Repurposing bei seltenen Erkrankungen finden sich weiterführende Ressourcen im Blog von Hopeatrarelabs.

Dieser Artikel enthält allgemeine Informationen und ersetzt nicht die Beratung durch einen qualifizierten Arzt. Wenden Sie sich an eine qualifizierte medizinische Fachperson zu Ihrer persönlichen Lage, bevor Sie auf Grundlage dieses Inhalts handeln.

• Phasen der Medikamentenentwicklung - Fraunhofer CIMD
• Übersicht Pharmakokinetik - MSD Manuals (Profi)
• Nicht‑klinische Entwicklung: Arten nicht‑klinischer Studien - EUPATI Toolbox
• Entwicklung von Medikamenten | Deutsches Zentrum für Infektionsforschung (DZIF)
• Pharmakokinetik & ADME - Leibniz‑HKI
• PubMed: relevante Übersichtsarbeit (Beispielreferenz)
• Pharmakokinetik - chemie‑schule.de

Empfehlung

• Orphan-Drug-Status erklärt: Was Patienten und Entwickler wissen müssen
• Regulatorische Strategie für seltene Therapien entwickeln
• Warum ist Zulassung bei seltenen Erkrankungen anders?
• Phänotyp-Assay-Design bei seltenen Erkrankungen: Ihr Fahrplan