APMODE：AI 驱动的药代动力学模型发现引擎，实现可复现的药物研发工作流

APMODE 是一个受监管的药物代谢动力学模型发现引擎，整合五种建模范式，通过严格的证据门控机制确保模型质量，为制药行业提供可审计、可复现的 AI 工作流。

药物代谢动力学（Pharmacokinetics, PK）研究药物在生物体内的吸收、分布、代谢和排泄过程，是新药研发的核心环节。传统的 PK 建模高度依赖专家经验，流程繁琐且难以保证一致性。随着人工智能技术的发展，如何将 AI 能力安全、可控地引入 PK 建模流程，成为制药行业关注的焦点。

APMODE（Adaptive Pharmacokinetic Model Discovery Engine）是一个受监管的统一元系统，其核心创新在于将五种 PK 建模范式整合到单一发现工作流中：

1. 经典 NLME：基于 nlmixr2 的结构化混合效应模型
2. 自动化结构搜索：证据驱动的确定性候选生成
3. 混合机制-NODE：基于 JAX/Diffrax 的神经微分方程方法
4. 智能体 LLM 构建：AI 辅助模型构建（Phase 3）
5. 贝叶斯 PK：基于 Stan/Torsten 的概率推断

APMODE 的核心安全保障是其严格的分层门控系统，每个候选模型必须通过以下验证才能被推荐：

验证模型的数值稳定性和计算正确性。对于贝叶斯模型，增加了 MCMC 特定的阈值：R̂ ≤ 1.01、ESS ≥ 400、发散次数为 0、E-BFMI ≥ 0.3、Pareto-k ≤ 0.7。

根据目标用途（发现、优化、监管提交）评估模型是否适合。例如，NODE 模型被硬性规定永远不可用于监管提交，这是不可调整的规则。

通过统一的评分合约对不同范式生成的候选模型进行公平比较和排序。

APMODE 引入了 Formular——一种专为 PK 建模设计的类型化领域特定语言（DSL）。它采用五段式语法结构：

• Absorption：吸收过程建模
• Distribution：分布过程建模
• Elimination：消除过程建模
• Variability：个体间变异性建模
• Observation：观测模型定义

第六个语义维度是先验（priors），通过 SetPrior 转换而非语法文本填充。Formular 规范会被编译为类型化的 AST，并针对药代计量学约束进行验证，最终下译为后端特定的代码（nlmixr2 R、Stan/Torsten、JAX/Diffrax）。