Depuis plus d’un demi-siècle, de nombreuses études ont démontré la valeur des paramètres pharmacocinétiques/pharmacodynamiques (PK/PD) sériques pour prédire l’éradication bactérienne ou le succès thérapeutique, d’abord dans des modèles animaux, puis chez l’homme. Ces paramètres sont désormais la pierre angulaire du développement des antibiotiques, de la détermination de la posologie et de l’intervalle d’administration. Ils sont également utiles pour l’établissement des concentrations minimales inhibitrices (CMI) dites « critiques » permettant de classer les souches dans la zone sensible ou résistante à un antibiotique donné. Les premières études qui ont conduit à la détermination de paramètres PK/PD prédictifs ont utilisé des modèles animaux dans lesquels les CMI des antibiotiques contre la souche infectante étaient connues, ainsi que les concentrations sériques à différents moments après l’administration. Dans tous ces modèles, la concentration de la forme libre de l’antibiotique, qui correspond le plus souvent à la forme active, était mieux corrélée à l’efficacité que la concentration totale. Depuis, les données fournies par ces modèles animaux ont été confirmées dans diverses infections rencontrées en pratique clinique : infections respiratoires hautes et basses, bactériémies, infections de la peau et des tissus mous, infections intra-abdominales, infections ostéoarticulaires acquises dans la communauté. Pour d’autres infections (osseuses ou des voies urinaires supérieures), sans avoir le même niveau de preuve, il est indispensable de prendre en compte les paramètres PK/PD sériques. Dans le cas d’infections de tissus dans lesquels les antibiotiques diffusent mal (liquide cérébrospinal, œil…) et pour les infections de prothèses, les paramètres PK/PD locaux sont les plus prédictifs. Le choix des antibiotiques, ainsi que les doses journalières et la fréquence d’administration devraient être largement influencés par ces paramètres. Ils doivent être particulièrement bien connus des infectiologues et des pédiatres travaillant dans les services de soins intensifs pour une prise en charge optimale des patients infectés par des souches bactériennes moins sensibles ou présentant des caractéristiques susceptibles de modifier la pharmacocinétique des médicaments (mucoviscidose, drépanocytose, insuffisance rénale, infections sévères, etc.). En effet, pour ces patients, en particulier lorsque l’infection concerne des souches résistantes aux antibiotiques, la prescription ne peut pas être uniquement basée sur une médecine fondée sur les preuves en raison de la relative rareté de ces situations mais doit s’appuyer sur une solide connaissance des caractéristiques PK/PD des molécules administrées sur un plan individuel. L’intelligence artificielle peut contribuer à une meilleure intégration de ces paramètres pour le choix optimal des antibiotiques.

For more than half a century, serum pharmacokinetic/pharmacodynamic (PK/PD) parameters have been shown to be reliable predictors of bacterial eradication and therapeutic success. Initially established in animal models and subsequently confirmed in humans, these parameters now form the backbone of antibiotic development, dose and dosing-interval selection, and the definition of “critical” minimum inhibitory concentrations (MICs) used to categorize bacterial strains as susceptible or resistant. The foundational PK/PD studies were conducted in animal infection models in which both the MIC of the infecting strain and serum antibiotic concentrations over time were known. Across these models, the unbound (free) antibiotic concentration – generally corresponding to the pharmacologically active fraction – consistently showed a stronger correlation with efficacy than total drug concentrations. These experimental findings have since been validated in a wide range of clinical infections, including upper and lower respiratory tract infections, bacteremia, skin and soft tissue infections, intra-abdominal infections, and community-acquired bone and joint infections. For other conditions, such as osteomyelitis or upper urinary tract infections, although the level of evidence is lower, consideration of serum PK/PD parameters remains essential. In infections involving compartments with limited antibiotic penetration (e.g., cerebrospinal fluid, ocular tissues) or in prosthetic device–related infections, local PK/PD parameters are more predictive of clinical outcome. Consequently, antibiotic selection, daily dose, and dosing frequency should be strongly guided by PK/PD considerations. These concepts are particularly critical for infectious disease specialists and pediatricians working in intensive care units, where patients often present with pathogens exhibiting reduced susceptibility or with conditions that significantly alter pharmacokinetics (e.g., cystic fibrosis, sickle cell disease, renal impairment, severe infections). In such situations – especially when resistant organisms are involved – prescribing decisions cannot rely solely on conventional evidence-based medicine due to the relative rarity of these clinical scenarios. Instead, they must be grounded in a solid, individualized understanding of the PK/PD properties of the administered agents. In this context, artificial intelligence may help improve the integration of PK/PD data to optimize antibiotic selection and dosing at the individual patient level.