コンパートメントモデルとは？薬物動態から感染症予測まで徹底解説

生体内の薬物挙動や社会におけるウイルス感染の拡大を数理的に捉える際、世界中で標準理論として活用されているのが「コンパートメントモデル」です。創薬現場でのデータ駆動型開発やパンデミック予測の高度化に伴い、医療・生命科学の枠を超えてITエンジニアやデータサイエンティストにとっても必須のリテラシーとなりました。

一見すると難解な微分方程式が並ぶ領域ですが、本質は「生体や集団をいくつかの均一な部屋（コンパートメント）に見立て、物質の移動をシンプルに計算する」という明快なフレームワークにあります。薬学部や医学部の初学者が最初につまずく分布容積の解釈から、臨床現場で不可欠な血中濃度の予測まで、数式が持つ物理的意味を噛み砕きながら体系的に解き明かします。

📌 【この記事の重要ポイントまとめ】

• 要点1：コンパートメントモデルとは、生体や社会を仮想的な「箱（区画）」に単純化し、物質や人数の時間的推移を微分方程式で解析する数理モデル。
• 要点2：薬物動態学における1室モデルは全身への瞬時均一分布を前提とし、2室モデルは血流豊富な組織と遅れて移行する組織の「分布相」を正確に表現できる。
• 要点3：分布容積や全身クリアランス、半減期の相関関係を押さえることで、感染症のSIRモデルや最新のAI創薬シミュレーションまで自在に応用が可能になる。

【基本概念】コンパートメントモデルとは何か？生体を「箱」に見立てる数理手法

コンパートメントモデル（区画モデル）は、解剖学的に複雑極まりない生体を、均一な液体で満たされた仮想の「部屋（コンパートメント）」として捉える解析手法です。人体には脳、心臓、肝臓、腎臓、筋肉、脂肪など無数の組織が存在しますが、それらを個別に追跡するのではなく、ひとまとめの均一な空間と仮定して薬物の移動速度を算出します。

生体に投与された薬剤分子は、血液循環を通じて全身に運ばれ、各組織へ移行したのちに代謝・排泄されます。この一連の動態を数理的に扱う薬理学および薬物動態学において、コンパートメントモデルは基礎中の基礎として位置づけられてきました。

モデル内を移動する薬物量は、隣接する区画間の濃度差や移動速度定数に比例します。この「一次速度論（線形モデル）」を適用することで、複雑な生体内現象を比較的単純な常微分方程式群へと落とし込み、薬物の体内残存量や時間経過を高精度にシミュレーションできるようになります。

【薬物動態学の核心】1室と2室モデルの決定的な違いと血中濃度推移の読み方

モデルを構築する際、最も基本的かつ頻繁に比較されるのが「1コンパートメントモデル」と「2コンパートメントモデル」の差異です。この2つの境界線をどこに引くべきかが、実務における最初の分岐点となります。

1コンパートメントモデルは、全身を単一の均質プールとみなす構造です。静脈内へ急速投与（IVボウラス）された薬物は、瞬時に全身へと均一に広がり、その直後から一定の消失速度定数（ke）に従って体外へ排泄されると仮定します。片対数グラフ（縦軸が対数値の血中濃度、横軸が時間）にプロットすると、血中濃度推移は綺麗な一本の直線を描きます。血流が極めて良好で、投与後直ちに全身平衡に達する水溶性薬物などに適したアプローチです。

一方、実際の多くの薬物は投与直後に組織へ移行する時間を必要とします。これに対応するのが2コンパートメントモデルです。血液や心臓・腎臓などの血流に富んだ「中央室」と、筋肉や脂肪組織などの血流が遅い「末梢室」の2つを定義します。

この場合の血中濃度推移は、二相性のカーブを示します。投与直後に急激な濃度低下が起こる「分布相（α相）」と、組織間の平衡が取れた後に緩やかに体外へ抜けていく「消失相（β相）」です。麻酔薬プロポフォールのように、速やかに脳へ作用したあと脂肪組織へ再分布して覚醒をもたらす薬剤の挙動は、2室（あるいはそれ以上の3室）モデルを用いなければ説明がつきません。

【初心者がつまずく壁】分布容積と全身クリアランス、半減期の関係式を徹底整理

薬物動態パラメータの計算において、多くの人が混乱を来すのが分布容積（Vd）と全身クリアランス（CL）、そして半減期（t1/2）の数学的・物理的意味です。

分布容積は「生体内に存在する総薬物量が、仮に血中濃度と同じ均一な濃度で溶けているとしたら、何リットルの体積が必要か」を示す見かけの容積です。実際の生体水分量（約40リットル）を遥かに超え、数百〜数千リットルという値を取ることが珍しくありません。これは、薬物が血液中にとどまらず、組織のタンパク質や脂質へ極めて強く結合・移行している状態を意味します。

全身クリアランスは「単位時間あたりに薬物が完全に除去される血液の容積（L/hなど）」を示し、肝臓の代謝能や腎臓の排泄能を反映する最も本質的な生体側のパラメータです。これらと半減期は、以下の式によって強固に結びついています。

CL = Vd × ke
t1/2 = ln(2) / ke ≒ 0.693 × Vd / CL

この関係式から明らかな通り、半減期は「クリアランスの低下」だけでなく「分布容積の増大」によっても延長します。高齢者や肥満患者で薬物の消失が遅れる際、それが排泄器官の機能低下によるものなのか、組織への過剰な蓄積（Vdの拡大）によるものなのかを見極める手がかりが、まさにこの数式に凝縮されています。

【モデルの比較】ノンコンパートメント解析（NCA）や生理学的モデル（PBPK）との使い分け

生体内運命を予測するツールは、古典的な区画モデルだけではありません。データの性質や解析の目的に応じて、主に3つの手法が使い分けられています。

1つ目は、モデルの構造をあらかじめ仮定しないノンコンパートメント解析（NCA）です。台形公式などを用いて血中濃度-時間曲線下面積（AUC）を実測値から直接算出し、客観的なクリアランスや分布容積を導き出します。数式構築のバイアスが入らないため、新薬の臨床第I相試験における安全性評価やバイオアベイラビリティ比較では世界標準の手法です。

対極に位置するのが、生理学的薬物動態モデル（PBPK）です。主要な臓器（肝・腎・肺・消化管・骨格筋など）をすべて実際の解剖学的容積と血流量を持つ区画としてモデル化し、薬物ごとの膜透過性や結合定数を組み込みます。計算負荷は膨大ですが、動物実験データからヒトの血中動態を予測する「外挿（トランスレーショナルリサーチ）」や、薬物相互作用（DDI）の事前評価において強力な威力を発揮します。

伝統的なコンパートメントモデルは、両者の中間に位置する「ほどよい抽象度」を備えています。計算負荷が低く、直感的な数式で表現できるため、救急現場でのTDM（薬物血中濃度モニタリング）ソフトウェアや、臨床現場での即時投与設計において最適な選択肢であり続けています。

【薬理学を超えた応用】感染症数理「SIRモデル」に見るコンパートメントの汎用性

「複数の区画を定義し、区画間の移行速度を連立微分方程式で解く」というコンパートメントモデルのアーキテクチャは、医学以外の学問分野にも広く浸透しています。その代表格が、感染症数理モデルの金字塔であるSIRモデルです。

SIRモデルでは、全人口を以下の3つのコンパートメントに分割します。

• S（Susceptible）：感染感受性保持者（まだ感染していないが、感染しうる人）
• I（Infected）：感染性保持者（感染して他者へウイルスを移しうる人）
• R（Recovered/Removed）：免疫獲得者・隔離者・死亡者

未感染者が感染者と接触してI区画へ移動する速度は「感染率（β）」で決まり、感染者が回復してR区画へ移行する速度は「回復率（γ）」で決まります。この枠組みは、薬物が中央室から末梢室へ移行し、消失していくプロセスと数学的に同一の構造を持っています。

この基本モデルに潜伏期間（Exposed）を加えたSEIRモデルや、ワクチン接種（Vaccinated）の区画を組み込んだ拡張モデルが、公衆衛生の政策決定現場で感染ピークの予測や行動制限の妥当性評価に直結しています。

【最前線の動向】AI創薬・モデル駆動開発（MBDD）で再脚光を浴びる数理基盤

近年、計算科学や生成AIの進化によって、医薬品開発は「モデル駆動型医薬品開発（MBDD：Model-Based Drug Development）」へとシフトしています。臨床試験の失敗リスクを低減させるため、開発初期段階からバーチャル空間で数理モデルを走らせる取り組みが定着しました。

機械学習モデルは大量の実験データから相関関係を見出すことに長けていますが、「生体内で物質がどのように保存され、移動するか」という物理法則（質量保存則）を単独で学習することは困難です。そこで、物理法則を厳密に担保するコンパートメントモデルの微分方程式をAIの損失関数に組み込む「Physics-Informed Neural Networks（PINN）」などのハイブリッド技術が実用段階に入っています。

シンプルな区画モデルの枠組みは時代遅れになるどころか、ブラックボックス化しやすいディープラーニングに対して「解釈可能性」と「物理的妥当性」を与える強固なアンカーとして、次世代の創薬・医療DXを支えています。

【コンパートメントモデルとは】に関するよくある質問（FAQ）

Q1：コンパートメントモデルにおける「コンパートメント」は実際の臓器と一致していますか？
A1：古典的なコンパートメントモデル（1室・2室など）の区画は、特定の解剖学的臓器とは直接一致しません。「血流が早く薬物が瞬時に移行する組織群（中央室）」や「移行に時間を要する組織群（末梢室）」というように、薬物動態学的な性質が似た組織を束ねた仮想的な概念です。臓器ごとに厳密に一致させたい場合は、生理学的薬物動態モデル（PBPK）を用います。

Q2：1室モデルと2室モデルのどちらを採用すべきかはどのように判断しますか？
A2：実測した血中濃度の時間推移データを片対数グラフにプロットした際、投与初期に急激な傾き（分布相）が見られず全体が直線的であれば1室モデルを選択します。初期の急激な低下と後半の緩やかな低下という二相性が確認される場合は2室モデルを採用します。統計的には、赤池情報量規準（AIC）やF検定を用いてモデルの妥当性を比較評価するのが一般的です。

Q3：なぜノンコンパートメント解析（NCA）があるのに、わざわざコンパートメントモデルを使うのですか？
A3：NCAは過去に得られたデータの要約（AUCや実測クリアランスの計算）には極めて優れていますが、「投与量を2倍に増やしたらどのようなカーブを描くか」「点滴速度を途中で変更したらどうなるか」といった将来のシミュレーションには不向きです。微分方程式で挙動を定義するコンパートメントモデルを用いることで、複雑な反復投与スケジュールや個別化投与設計のシミュレーションが可能になります。

まとめ：直感的な理解から数理モデルの現場実践へ

コンパートメントモデルは、生体という途方もなく複雑なシステムを「部屋と移動速度」という直感的なパーツへ還元し、明快な数理シミュレーションを可能にする極めて洗練されたフレームワークです。

1室モデルの基本構造から、組織への広がりを捉える2室モデル、分布容積やクリアランスといったパラメータの相互連動を理解することは、薬学・医学の基礎に留まりません。感染症の流行予測やAIを活用した次世代創薬など、先端データサイエンスを現場で自在に使いこなすための強力な武器となります。まずは血中濃度推移のグラフが持つ物理的意味を意識することから、モデルの実践的な活用を深めていってください。 （出典: コンパートメント モデル と は（Yahoo!ニュース））