一种观点｜以新方法学重构药物开发

Science综述，药物发现

以新方法学重新构想以人为中心的药物开发

Xuekun Wu, Matthew A. Wu, James Zou,Nicole Kleinstreuer, Joseph C. Wu

摘要

尽管技术取得了前所未有的进步，但大多数候选药物仍在临床试验中失败，这反映了临床前模型与人类生物学之间持续存在的差距。新方法学（New approach methodologies，NAM），涵盖人类来源的细胞系统、微生理平台和人工智能，正在为以人为中心的药物开发和生物医学研究带来范式转变。最近的监管改革，例如美国食品药品监督管理局（FDA）《现代化法案3.0》（Modernization Act 3.0），已开始将NAM定位为动物试验的补充或替代。本综述综合了新兴的生物和计算NAM，并探讨了它们的整合如何重塑药物开发。我们还讨论了促进这一转变的监管和伦理框架，并概述了将基于人类的科学嵌入到一个预测性、高效且符合伦理的以人为中心的药物开发基础设施中的路线图。

正文

药物开发正迎来结构性转型的关头。几十年来，该领域一直依赖于动物模型，但这些模型只

是近似而非复制人类的生理学、代谢和免疫反应。这一限制导致药物开发管线缓慢、昂贵且预测性差，超过90%在临床前研究中看似有前景的化合物在人体试验中失败。随着治疗方式的兴起，例如寡核苷酸药物、抗体-药物偶联物和靶向蛋白降解剂，它们作用于动物体内通常不存在的分子靶点或通路，使得转化鸿沟进一步扩大。

为应对这些挑战，科学、工业和监管领域正在发生广泛的转变（图1）。国际指南越来越支持在动物模型缺乏相关性的情况下使用人类来源的系统。2022年12月，美国颁布了FDA《现代化法案2.0》，明确了新方法学——包括人类细胞测定、微生理系统和计算模型——作为动物研究替代品的适用性。2025年12月，FDA《现代化法案3.0》的批准进一步强化了这一转变。与此同时，英国于2025年底发布了“用科学替代动物”战略，以加速人类相关技术的开发和监管应用。这些监管转变与日益增多的概念验证证据并行。人诱导多能干细胞来源的心肌细胞已通过综合性体外致心律失常测定倡议纳入标准化心脏安全评估。此外，一个基于器官芯片和人工智能的初始平台已通过FDA的创新科学与技术药物新方法资格认定途径取得进展，并且一个利用计算工具鉴定出的TRAF2和NCK相互作用激酶抑制剂已推进至临床评估。总之，这些发展信号表明，一场将NAM系统性地纳入药物开发的协同运动正在进行中。

通过将NAM整合到一个统一的预测性药物开发框架中，其影响可能会进一步显著放大。在该框架中，互补的人类来源实验和计算系统被协调一致，以生成连贯的、跨尺度的证据，为安全性、有效性和机制决策提供信息。实现这一愿景需要持续的投资、严格的跨平台验证以及支持采用的监管指导。本综述调查了人类来源实验平台的最新进展，包括细胞系统和微生理模型，以及新兴的计算方法，如深度学习、大型语言模型和数字孪生。我们讨论了这些技术的融合如何在药物开发全过程中催化机制驱动的、数据驱动的策略，并概述了建立以人为中心的药物开发范式所需的监管和操作要求。

人类来源的细胞系统作为预测性建模的基础

以人为中心的药物开发以人类细胞系统为基础，涵盖原代细胞、永生化细胞系和干细胞。这些来源中的每一种都捕捉了人类生物学的不同维度。当配置为二维培养或整合到微生理系统中时，它们能够对药物疗效、药代动力学和毒性进行预测性评估（图2）。

原代和永生化人类细胞：生理成熟度与转化保真度

原代人类细胞保留了成熟组织特有的谱系特异性代谢程序、电生理特性和免疫反应性。因此，原代肝细胞、心肌细胞、内皮细胞和免疫细胞已成为评估药物安全性、药效学和器官特异性毒性的基础平台。永生化人类细胞系在可扩展性方面具有优势。常用细胞系包括用于受体信号和细胞毒性测定的人胚肾293细胞，用于代谢和毒性反应谱分析的肝模型如肝癌细胞系Hep G2和HepaRG，以及支持化合物细胞毒性测试和早期筛选的肿瘤来源细胞系如A549和MCF-7。

成体和多能干细胞：发育可塑性与遗传精确性

基于干细胞的平台通过引入受控的分化潜力和遗传代表性，扩展了建模的谱系。成体干细胞，包括造血、间充质和上皮祖细胞，在保持组织特异性表观遗传和功能特性的同时，维持了谱系限制的分化潜力。多能干细胞，包括胚胎干细胞和诱导多能干细胞，建立了可再生的人类平台，能够生成多样化的特化谱系。胚胎干细胞首先通过从早期人类胚胎中衍生出来证明了多能性的原理，但这一来源也引发了伦理问题。体细胞重编程随后使得不依赖胚胎组织即可创建患者特异性iPSC。定向分化方面的进展现在允许可扩展地生成心肌细胞、肝细胞、神经元、胰岛细胞以及其他用于疾病建模和药物开发的谱系。

人类疾病的患者特异性建模

最佳的细胞平台取决于疾病的主要驱动因素。人类iPSC技术特别适用于遗传定义的疾病。由于iPSC保留了供体特异性的突变和风险变异，将它们分化为相关谱系能够在受控的基因组背景下进行机制分析。该方法最初为单基因疾病开发，现已扩展到复杂疾病，包括神经退行性疾病、心肌病、病毒易感性和纤维化。除了机制上的见解，患者来源的iPSC系统还为治疗发现提供了信息，正如罗匹尼罗用于肌萎缩侧索硬化症、洛伐他汀用于LMNA相关血管病变的识别，以及在iPSC来源的肺上皮细胞中进行的抗病毒候选药物筛选所证明的那样。

相比之下，许多慢性和与年龄相关的疾病源于累积的环境暴露、持续性炎症或渐进性组织重塑，而非基因突变。在这些情况下，原代人类细胞可能更好地保留疾病相关的表型。例如，来自慢性阻塞性肺疾病患者或反复暴露于香烟烟雾的气道上皮细胞，维持了分化和炎症信号传导中与疾病相关的改变，而来自老年供体的真皮成纤维细胞表现出增殖能力下降和细胞外基质产生改变。在不同的组织中，原代人类细胞保留了与衰老和长期环境条件相关的表观遗传特征，强调了它们在模拟慢性的、依赖于上下文的疾病状态中的价值。

挑战与前进之路

每种细胞来源都带有固有的权衡。原代人类细胞提供生理成熟度，但受限于可用性、供体变异性和有限的扩增能力。永生化细胞系提供可扩展性和可重复性，但可能偏离天然组织结构和调控网络。多能干细胞来源的模型实现了遗传精确性和可再生供应，但也常常表现出发育不成熟。此外，重编程会重置构成年龄和暴露依赖性表型基础的表观遗传程序。

因此，提高预测性能需要在细胞平台、疾病机制和治疗开发阶段之间进行审慎的对齐。遗传驱动的疾病可能最好使用患者特异性的多能系统进行建模，而环境条件性或晚发性疾病可能由成熟的原代细胞更真实地代表。这些平台不应被视为相互竞争的方法，而应战略性地整合，在以人为中心的药物开发的多层次人类相关模型中，将生理保真度、可扩展性和遗传控制结合起来。

用于重建组织复杂性的微生理系统

在体外重建人类组织结构已成为干细胞科学与生物工程交叉领域的一个决定性前沿。近年来，这一进展导致了微生理系统（microphysiologicalsystems ，MPSs）的发展，这些系统再现了人体器官的基本结构和功能特征。出现了两种互补的模式：包含类器官（自组织的三维构建体）和器官芯片（在受控流动和机械刺激下培养细胞的微流控平台）。这些系统共同将传统细胞培养推向活体器官的生理复杂性。

类器官：自组织的三维构建体

类器官是再现人体器官关键结构和功能属性的三维细胞系统。为了解决二维培养的结构简单性以及与动物模型中物种差异相关的转化局限性，类器官保持了细胞异质性、空间组织和生理相关的细胞间信号传导，从而提供了更真实的人类组织生物学体外呈现。类器官可以从成体干细胞、患者来源的肿瘤标本或通过iPSC的定向分化获得。

成体干细胞来源的类器官是从含有活跃自我更新干细胞群的活检组织或原发组织（如胃肠道中的那些）生成的。由于谱系身份在体内被指定，它们无需重编程即可扩增，并保留了来源组织的区域特性。例如，单个肠上皮干细胞可以生成包含所有主要上皮谱系的类器官。然而，该策略不适用于非增殖性组织，如脑、视网膜或心肌。人类iPSC来源的类器官通过利用体细胞重编程产生可再生干细胞，克服了这一限制。现已建立的分化方案使得能够生成多样化的器官模型，包括人心类器官、大脑和视网膜类器官以及肝类器官。患者来源的肿瘤类器官将类器官建模扩展到恶性环境。它们直接从活检或切除材料中建立，保留了原始肿瘤的组织学结构、突变谱和转录组程序。

这些基于类器官的MPS已成为用于疾病建模、治疗分层和药物开发的预测性平台。在炎症性肠病中，患者来源的类器官在离体条件下保留了与疾病相关的转录和表观遗传特征，并能够分析细胞因子驱动的反应，包括与C-X-C基序趋化因子受体2阳性中性粒细胞募集相关的白介素-22诱导程序。在囊性纤维化中，气道类器官中的毛喉素诱导肿胀测定准确预测了患者对临床试验中囊性纤维化跨膜传导调节因子调节疗法的反应。在肿瘤学中，PDTO作为用于功能性药物测试的可扩展平台，已显示出与患者反应的一致性，能够分析肿瘤异质性和耐药性。双特异性抗体MCLA-158（petosemtamab）的研发，它靶向表皮生长因子受体和富含亮氨酸重复序列的G蛋白偶联受体5，示例了结肠癌类器官如何从靶点验证到临床前开发支持治疗发现。总的来说，这些类器官系统捕捉了患者生物学的互补维度，允许将患者特异性特征与功能性治疗反应联系起来。

器官芯片：动态微流控平台

器官芯片（Organs-on-chips）通过对流体流动、剪切应力、机械应变和分子梯度的工程化控制，补充了类器官系统。持续灌注支持血管样运输、营养交换和生物力学刺激，从而能够在动态条件下模拟器官水平的生理学。例如，肺芯片将肺泡上皮细胞和内皮细胞培养在经历周期性拉伸的柔性多孔膜上，再现了呼吸力学和气体交换。

重要的是，微流控系统（microfluidic platforms）还提高了治疗反应建模的预测准确性。在一个由未经治疗的患者肿瘤类器官和匹配的成纤维细胞构建的患者特异性食管腺癌芯片模型中，灌注保持了肿瘤-基质结构和遗传特征，并在约12天内比静态类器官培养更准确地预测了新辅助化疗反应。这一比较突出了微流控器官芯片能够在临床相关的PK暴露曲线下进行体外测试，增强了它们相对于静态模型的转化价值。

微流控平台进一步允许整合免疫和微生物的复杂性。一个灌注了外周血单核细胞和肽-主要组织相容性复合体(MHC)靶向T细胞双特异性抗体的肾类器官芯片，能够在人类组织背景下区分抗原特异性细胞毒性与非特异性T细胞激活，解决靶向与非肿瘤效应问题。类似地，一个整合了内皮屏障的乳腺癌芯片模型支持免疫细胞迁移、肿瘤浸润和细胞因子监测，能够在生理流动下评估嵌合抗原受体T细胞疗效。在宿主-微生物组相互作用方面的扩展已在宫颈和阴道器官芯片模型中得以证明，其中特定的微生物群落重现了对抗失调状态的保护作用：卷曲乳杆菌保持了上皮完整性并抑制了炎症信号，而以阴道加德纳菌为主的群落则诱导了上皮损伤和细胞因子上调。

器官芯片技术现已扩展到大多数主要器官系统，包括心脏、肝脏、肾脏、肠道和血脑屏障，建立了一个广泛适应的微流控框架，补充了类器官平台，并加强了人类相关药物开发的预测基础。

迈向混合型类器官芯片系统

最近的进展正在将类器官生物学与微流控工程融合到混合型类器官芯片系统（hybrid organoid-on-chipsystems）中，将发育保真度与微环境控制结合在一起。持续灌注和机械刺激克服了自由漂浮类器官中常见的扩散限制和缺氧核心，实现了长期培养和实时监测。例如，具有内皮化微通道的脑类器官芯片模型改善了氧合和神经元成熟，而肝脏芯片阵列允许持续灌注数千个肝球体，用于长期的代谢和毒性研究。

在更高的整合水平上，相互连接的多器官电路使得能够研究系统性PK和器官间串扰。一个连接心脏、肝脏、骨骼和皮肤类器官的iPSC来源的多组织芯片，在共享一个再现了人类样PK和PD对阿霉素反应的血管网络的同时，保持了不同的微环境，揭示了心脏毒性的早期生物标志物。这些复合系统代表了近似体外全身生理学的MPS整合形式。

挑战、标准化与展望

MPS技术已取得实质性进展，但在实现完全监管和行业采用方面仍面临障碍。设备设计、材料、生物传感器整合和生物输入的可变性限制了可重复性和跨平台可比性，从而限制了大规模和长期应用的通量。对原代细胞的依赖进一步阻碍了可扩展性，凸显了对可再生iPSC来源谱系的需求。

令人鼓舞的是，国际层面的努力正在推进方法学标准化、模型表征和验证。经济合作与发展组织引入了“良好体外方法实践”，新兴的跨机构资格认定框架开始定义将实验保真度与临床相关性联系起来的性能标准。此外，2025年成立的美国国立卫生研究院标准化类器官建模中心，预计将在不久的将来提供联邦数据基础设施和协调的基准测试，以加速基于类器官的NAM的开发与协调。展望未来，类器官和芯片系统有望整合自动化、嵌入式分析和计算建模，从而实现可重复、人类相关且伦理上可持续的下一代临床前系统。

AI作为计算引擎

如果干细胞和MPS技术构成了基于人类开发的硬件，那么AI则提供了解释复杂数据、生成可测试假设和驱动预测性模拟的软件。在生物医学研究，特别是药物开发中，AI正开始将来自影像、组学和功能测定的高维信息统一到能够揭示机制、预测药物性质和临床反应的模型中（图2）。

用于分子设计的生成智能

AI通过数据引导而非人类直觉的从头分子设计，改变了早期药物开发。深度学习架构，如Transformer和图神经网络，能够从数百万个化合物中学习化学的统计语法，生成针对效力、选择性、安全性和PK优化的结构。通过整合诸如蛋白质口袋、疾病特征或动态构象等上下文约束，这些计算机系统可以设计针对特定生物靶点优化的分子，包括蛋白水解靶向嵌合体、肽和功能性蛋白。例如，用于纤维化的TNIK抑制剂的发现——在18个月内被识别、优化并推进到临床测试——展示了算法设计如何加速从假设到人体试验的路径。尽管仍处于起步阶段，但AI的使用预示着一个潜在的范式转变，从经验药物化学转向以前所未有的规模和速度进行数据驱动的分子发明。

主动学习与闭环实验

在分子生成的下游，主动学习将概率驱动的反馈循环引入实验开发。传统的发现管线依赖于静态数据集和详尽的高通量测定，这在处理复杂生物学问题时通常昂贵且低效。相比之下，主动学习选择那些能最有效减少模型不确定性的化合物，通过实验反馈实现预测模型的迭代优化。这种闭环策略调和了测定深度与规模之间的权衡，允许高内涵表型读数指导每一轮新的实验。一个显著的例子是Cellarity开发的DrugReflector，它将强化学习与超过100万个转录组扰动谱相结合，以优先选择能改变疾病相关表达特征的化合物，与随机搜索相比，命中率提高了17倍。该平台的应用导致了CLY-124的发现，这是一种首创的珠蛋白转换口服疗法，能在人类细胞模型中诱导超过20%的胎儿血红蛋白且无检测到的细胞毒性，目前正处于1期临床试验评估中。类似的框架通过基于不确定性的分子生成和性质优化，加速了抗生素、激酶抑制剂和衰老细胞清除药物的发现，突显了反馈驱动设计将计算预测与自适应实验相结合的巨大潜力。

用于人类表征的多模态学习

在药物开发的后期阶段，多模态基础模型正在重新定义人类生物学的计算表征。通过整合诸如表观基因组、基因组、转录组、蛋白质组、代谢组、影像和临床记录等数据，AI系统可以捕捉遗传易感性和动态疾病状态。诸如BiomedCLIP之类的模型，在1500万对生物医学图像-文本对上训练，统一了放射学、组织学和显微镜检查，无需事先任务特定训练即可实现诊断并支持生物标志物发现。MedFound是一个拥有1760亿参数的医学LLM，从电子健康记录中学习诊断推理，以预测罕见和非典型状况，而TITAN则通过将全切片图像、病理报告和分子谱对齐，扩展了这一框架，实现了无需任务特定微调的准确癌症诊断、预后和报告生成。这些系统超越了模式识别，走向了上下文推理，揭示了分子网络中的变异如何在组织和尺度上表现为疾病表型。

从预测智能到代理智能

AI在药物开发中的前沿现在正从预测转向代理，由LLM的进步推动。诸如AlphaFold、ESM、scGPT、GenePT和DINO等领域基础工具已经提供了高分辨率的分子、细胞和结构状态表征。这些模型可以作为系统性代理框架内的专门组件，其中更高级别的AI代理协调它们用于假设生成、实验设计和数据解读。虚拟实验室作为这种演进的典范，是一个基于LLM的“首席研究员”，指导专门的AI代理设计针对新出现的严重急性呼吸综合征冠状病毒2型变异株的纳米抗体。通过整合ESM、AlphaFold-Multimer和Rosetta，该系统生成了92个候选物，其中两个在实验验证后显示出疗效。与此同时，配备自动合成和分析模块的机器人化学家可以执行自我引导的反应优化，将物理实验与启发式推理结合起来。这些系统共同标志着代理AI作为一个活跃的“共同科学家”的出现，能够在持续学习的实验室中设计、执行和解读实验。

挑战与未来方向

随着AI在药物开发中的应用扩展，其技术能力的发展速度超过了随之而来的科学和监管框架。这种不平衡暴露了几个关键挑战。数据仍然分散在不同的机构、模态和实验系统中，限制了模型的泛化能力和可重复性。深度模型的不透明性和不一致的报告标准进一步削弱了可解释性和监管信心。解决这些差距需要透明的文档、共享的基准和独立的验证流程。可解释AI的努力正开始阐明预测背后的推理，而现代加密方法和联邦学习框架允许在不损害数据隐私的情况下进行协作模型训练。数字孪生技术进一步扩展了这一愿景，整合了分子、生理和临床信息，以在计算机中模拟药物行为，并在人体暴露之前预测从个体到人群尺度的安全性或有效性。随着这些方法的成熟，计算NAM的下一阶段将依赖于一个统一的基础设施，该基础设施整合了可解释的算法、可重复的数据和适应性监管，以确保预测智能转化为生物医学洞见。

面向以人为中心的药物开发的整合路线图

NAM的持续发展将由生物和计算方法整合到连贯的发现工作流程中而塑造。多样化的NAM模式生成正交但可互操作的证据流，这些证据流可以通过结构化的实验-计算网络和假设生成-测试循环对齐。为了促进这种融合，我们提出了一个四步路线图，用于将NAM整合嵌入到以人为中心的开发范式中。

步骤1. 实验室回环：加速靶点发现与先导化合物优化

在实验室回环系统（lab-in-a-loopsystems）中，高内涵实验输出持续更新预测模型，而模型衍生的假设反过来优先考虑下一轮要测试的扰动、设计或条件。每个循环加深了机制分辨率，同时逐步约束化学和生物学设计空间（图3）。在抗体工程中，生成模型和主动学习算法被用于指导1800个变体的多轮设计和测试，实现了高达100倍的亲和力提升。同样，LUMI-lab将基础模型与机器人合成相结合，以探索用于mRNA递送的脂质结构。经过10个迭代循环，它自主识别出能增强转染效力的溴化尾巴，与使用商业脂质纳米颗粒配方时的约15%相比，实现了超过20%的体内基因编辑效率。当与人类相关的复杂实验模型（包括干细胞来源的类器官和MPS）结合时，这种实验室回环框架有潜力将早期发现转变为一个持续自我完善、以人为中心的过程，其中迭代学习由捕捉患者特异性生物学的模型驱动。

步骤2. 人体器官芯片：模拟PK和系统水平安全性

随着候选药物推进到临床前评估，器官芯片正成为用于PK和系统水平安全性评估的核心NAM平台，从单器官表征演变为互连的生物工程构建体。当动物模型缺乏转化相关性时，例如缺乏相关动物物种和靶点，或存在物种间差异时，它们尤其有价值。通过重建生理流动、剪切力和区室体积，这些系统能够对吸收、代谢、分布和清除进行定量建模，同时监测疗效和脱靶损伤（图4）。它们的预测性能体现在一个结合了基于生理学的PK建模的肝-肾-肠回路，该回路准确再现了人体首过代谢和全身暴露，以及将这一能力扩展到患者特异性背景的类器官芯片平台。连接多达六种人体组织（包括肝、心、肺、内皮、脑和睾丸）的多器官回路，进一步支持对器官间毒性、前药激活和代谢物再分布的评估。

商业化和监管参与现在正将这些进展转化为实践。结肠和肝脏芯片展示了这一进展，其中商业化的肝脏芯片作为预测药物诱导肝损伤的测定，已被FDA的ISTAND资格认定计划接受。嵌入式生物传感器通过实现氧合、屏障完整性、细胞因子通量、电生理活动和代谢功能的实时测量，进一步扩展了系统能力，从而揭示延迟或机制上微妙的毒性。当与多模态AI模型结合时，基于芯片的系统正朝着基于生理学的PK和PD模拟发展，支持实时预测、实验优化以及剂量策略和安全范围的迭代完善。

步骤3. 培养皿中的临床试验：在患者特异性背景下预测疗效

培养皿中的临床试验指的是利用人类来源的细胞平台，在体外模拟遗传多样性队列中的治疗反应，在患者入组前近似个体间变异性。建立大型、分子表征良好的生物库使得能够在人群规模上探究治疗异质性。在肿瘤学中，来自结直肠癌、肝癌、肺癌和儿童肾癌的患者来源类器官库保留了组织病理学结构和基因组多样性，并显示出与临床结果相关的体外化疗敏感性模式。例如，配对的原发-转移性结直肠类器官可预测化疗反应，而整合了药物基因组学分析的肝癌生物库已识别出预测性多基因特征和耐药机制，如c-Jun介导的乐伐替尼耐药性。使用多能干细胞生物库的平行工作将这一框架扩展到安全性和疾病建模。在多供体iPSC来源心肌细胞中建立的促心律失常测定可预测临床QT间期延长，这是CiPA倡议的一部分，为修订国际人用药品技术要求协调理事会E14/S7B指南提供了信息，而供体分辨的心肌细胞和神经元数据集支持心脏和神经毒性评估。在疾病特异性背景下，气道iPSC模型已显示体外CFTR调节剂反应与囊性纤维化试验中的临床获益之间存在一致性，从而实现了应答者分层，而患者来源的LMNA相关扩张型心肌病iPSC内皮平台指导了洛伐他汀的再利用，治疗后的患者表现出改善的内皮功能。

下一个飞跃在于人类来源细胞平台与微流控系统和AI模型的融合。连接患者类器官的微生理电路可以再现PK，并支持在人类中因伦理或后勤原因不可行的实验，从辐射损伤到超罕见基因型。同时，在形态学、电生理学和转录组谱上训练的机器学习模型正开始预测毒性、推断机制并优化虚拟患者队列中的剂量。通过这种融合，临床前建模与临床研究之间的界限变得流动，从而产生一个预测性的、数据驱动的转化药理学连续体。

步骤4. 数字-实验孪生：实现个体化和纵向治疗预测

实验和计算NAM融合的一个典型例子在于数字孪生（digital twin），即整合了分子、生理和真实世界数据以预测治疗结果的患者特异性模拟。从概念上讲，数字孪生通过一个分阶段轨迹演变：横断面生理表征，纵向监测和动态建模，多器官和多尺度整合，以及可解释和决策支持系统。大多数现有实施仍停留在前两个水平，产生具有有限机制深度的静态或部分纵向表征。NAM平台提供了向第三和第四水平迈进所需的多尺度数据，创建了数字-实验孪生（digital-experimentaltwin），其中基于iPSC的测定贡献了主要器官谱系中患者特异性的基因型和表型，而MPS提供了定量的代谢、清除和屏障功能测量。随着这些机制层的成熟，真实世界数据如电子健康记录、医疗索赔数据集以及来自数字健康或监测设备的患者数据，对于将这些基于人类生物学的表征锚定在纵向临床轨迹和人群变异性中至关重要，从而增强接近试验设置的医学数字孪生能力，包括个体化PK和PD模拟、剂量优化和疾病进展预测。达到第五水平将需要进一步将这些数据流与具备因果推理和不确定性感知决策支持能力的可解释AI结合起来。

数字孪生应用已在多个临床领域出现。在心脏病学中，整合了影像和电生理学的患者特异性数字孪生实现了室性心动过速的个性化消融规划。在肿瘤学中，肿瘤-药物相互作用模型预测了跨多个化疗类别的个体疗效和毒性谱。在人群规模上，对超过900万条电子健康记录轨迹进行建模能够重建虚拟队列，预测终生疾病风险和药物反应模式。将这些应用扩展到纵向疾病管理，一个房颤的计算孪生能够再现终生节律动力学和卒中结局，确定短间隔心电图筛查是最有效的预防策略。总的来说，这些例子突显了数字孪生正在成熟为具有临床可操作性的工具，能够为个体化治疗提供信息并指导长期疾病管理；当与复杂的基于人类的实验模型结合时，数字孪生将在优化的临床转化中达到更高的精密水平。

监管路径、伦理与未来之路

NAM面临的近期主要挑战不在于技术创新，而在于机构准备度和实施。生物和计算工具的发展速度快于旨在评估它们的监管、伦理和教育框架。弥合这一差距需要的不仅仅是渐进式改革。它要求治理、监督和劳动力发展方面的协同演进，以便创新与社会信任能够共同成长。

监管演变：从资格认定到可信度

监管机构正在试验基于人类模型的资格认定路径，但全球协调仍不完整。主要挑战在于建立能够在监管框架内可重复评估NAM平台的条件。商业化的人类肝脏芯片套件展示了如何实现这一目标。它集成了一个大规模生产的两通道微流控设备，具有明确的细胞外基质涂层和符合供体来源、传代限度、活力和谱系特异性标志物表达等标准化标准的人类原代细胞类型。这种对工程设计和生物输入的协同控制减少了不同地点之间的变异性，从而创建了一个适合监管评估的明确系统。2024年，FDA的ISTAND计划接受了人类肝脏芯片用于预测小分子化合物引起的药物诱导肝损伤的潜在资格认定，这是后期药物失败的一个主要原因。该决定表明，监管认可基于由标准化系统性能支持的明确规定的使用背景。平行倡议，包括旨在协调类器官生产和质量控制的NIH标准化类器官建模中心，标志着更广泛的机构承诺，即将可重复性嵌入到人类相关平台中。因此，实现全球协调的监管接受将依赖于协调的跨机构努力、协调的性能基准以及能够支持跨司法管辖区一致解读的可互操作数据标准。

持续创新格局中的伦理治理

MPS和AI增强系统的扩展正在重新定义临床前研究的伦理领域。尽管NAM减少了对动物研究的依赖并支持更符合患者的模型，但它们也引发了新的伦理挑战，包括如何获取和管理患者来源材料的知情同意，如何评估日益复杂的体外系统的道德地位，如何确定生物或计算干预的可接受边界，以及如何监管可能影响实验或临床决策的算法工具。最近的全球努力，包括世界卫生组织关于大型多模态AI模型的指南和国际干细胞研究学会的干细胞研究指南，强调了需要能够随技术发展的、持续且国际协调的监督机制。关于建立常设观测站以监测伦理上复杂研究的提议，反映了向适应性治理的更广泛转变——一种将伦理视为动态的、科学与社会之间参与式对话，而非回顾性检查点的治理方式。随着NAM驱动的实验在范围和影响力上的扩大，嵌入这种反思性和前瞻性的管理对于维持合法性至关重要。

教育：从培训到转型

NAM的长期采用取决于培养一支能够在生物学、计算和监管维度上生成和解读证据的劳动力队伍。然而，大多数现有的培训管道仍然根植于基于动物的范式，这强化了仍然塑造着科学实践、同行评审和拨款评估的结构性偏见。NIH的基于人类的研究倡议将资源与类器官生物学、MPS和AI分析的教育联系起来，代表了弥合这一鸿沟的重要一步。监管机构同样在重新培训评审人员，以便在统一框架内解读体外和计算机数据。建立这种跨领域能力需要的不仅仅是技术培训。它需要系统思维、伦理流利度以及在生物学细微差别与计算抽象之间迭代的能力。最终，下一代科学家、工程师和监管人员将需要学习如何设计和部署NAM，以及如何确定其相关性、评估其局限性，并将其整合到历史上由动物模型塑造的、不断演变的决策架构中。只有通过这种更高层次的教育转型，NAM才能在不久的将来成为以人为中心的发展生态系统中可信、常规的组成部分。

未来十年的愿景

未来十年将标志着一个过渡期，在此期间，基于人类的NAM将在药物开发中扮演更重要的角色，而动物模型的贡献将减少，且应用范围更加有限。在这一过渡期间，动物研究可能会从默认的主要证据基础转变为一个中间角色，即作为校准参考系统，为NAM平台的预测性能提供一种证据流以进行基准测试和完善，并最终在未来状态下，在需要时作为辅助信息。随着基于人类模型的成熟，动物研究将更有选择性地部署，例如用于解决残留的不确定性或补充新兴的转化模型。如果监管、伦理和教育结构同步发展，基于人类的药物开发将成熟为一个比以往方法更具预测性、更透明、更符合人类生物学的范式。

[图表注释汇总]

图1. 塑造NAM采用的全球监管里程碑。时间线总结了支持采用NAM的主要国际行动。3Rs，替代、减少和优化；EMA，欧洲药品管理局；EPA，美国环境保护署；EPAA，动物试验替代方法欧洲伙伴关系；FRAME，替代动物医学实验基金；ICCVAM，替代方法验证机构间协调委员会；IATA，测试与评估综合方法；ICH，国际人用药品技术要求协调理事会。

方框内内容：

早期阶段（1950–2000）

1959：提出3Rs原则（替代、减少、优化），为非动物研究奠定伦理基础。

1969：FRAME（动物实验替代基金会）成立，致力于推广可取代动物使用的科学方法。

2000：美国国会通过《ICCVAM授权法案》，成立联邦协调委员会，专门负责动物试验替代方法的验证工作。

发展阶段（2000–2020）

2005：美国环保署（EPA）启动，支持行业与监管机构合作，开发并采用非动物测试方法。

2012：经济合作与发展组织（OECD）开始制定综合测试方法（IATA），以整合多种非动物证据用于监管安全评估。

2016：《21世纪治愈法案》颁布，旨在加速医疗产品研发。

2017：FDA发布《预测毒理学路线图》，指导新型非动物毒理学方法的采纳。

2020：FDA启动ISTAND项目，为新型药物开发工具建立正式的资质认定路径。

监管采纳阶段（2020–至今）

2022：《FDA现代化法案2.0》颁布，明确将体外、计算机模拟和微生理系统（MPS）方法作为动物试验的替代方案。

2022：国际人用药品技术要求协调理事会（ICH）将诱导多能干细胞心肌细胞（iPSC‑CM）检测方法纳入E14/S7B框架下的标准化致心律失常风险评估。

2024：首个器官芯片被纳入ISTAND资格认定流程。

2024：首个基于人工智能的工具被纳入ISTAND资格认定流程。

2025：FDA发布路线图，旨在减少临床前安全性研究对动物的依赖。

2025：NIH要求资助项目优先考虑与人体相关的替代方案，而非仅依赖动物模型。

2025：EMA发布框架文件，将新方法学（NAM）证据纳入欧盟药品评价体系。

2025：英国发布《用科学取代动物》战略，加速NAM的推广应用。

2025：《FDA现代化法案3.0》获得通过。

2026：首个干细胞来源的检测方法被纳入ISTAND资格认定流程。

2026：EPA重申其计划，针对特定化学品逐步取消动物试验。

图2. NAM平台为以人为中心的药物开发而融合。示意图说明了人类细胞系统、类器官、器官芯片和AI如何融合成一个整合的NAM生态系统，用于以人为中心的药物开发。这些互补平台生成人类相关的生物学数据，重建组织和器官功能，并提供预测性建模能力，共同支持疾病建模、多模态模拟和药物评估。[图使用BioRender.com创建]

图3. 用于迭代药物发现的以人为中心的实验室回环。示意图描绘了一个以人为中心的实验室回环框架，其中多模态患者来源数据为计算推断提供初始条件，为预测模型提供信息，生成关于疾病机制和药物反应性的假设。这些模型衍生的假设指导在人类相关实验系统（如干细胞来源谱系、类器官和互连的微生理平台）中进行靶向扰动，以获得机制性、PD和功能性读数。实验输出通过基于主动学习的更新重新整合到计算层中，从而实现迭代校准、不确定性减少和治疗预测的完善。这种患者数据、预测建模和基于人类的实验验证的闭环整合，加速了机制感知的药物优先排序和优化。EHR，电子健康记录。[图使用BioRender.com创建]

图4. 用于药物评估和培养皿中临床试验测试的患者器官芯片回路。示意图描绘了一个患者来源的多器官器官芯片循环系统，该系统重建了生理耦合的动静脉血流，以支持系统性药物评估。将患者特异性iPSC来源的组织或类器官整合到互连的代谢、屏障和功能区室中，以模拟在人类相关生理条件下的药物吸收、分布、代谢、排泄和毒性。来自每个区室的动态测量实现了整合的PK和PD评估，而模块化设计支持用于个体化药物选择、应答者分层和治疗结果预测的培养皿中临床试验应用。[图使用BioRender.com创建]