FDA发布重磅草案：类器官与器官芯片，正在成为药物研发的新基础证据

肿瘤药非临床研究新指南首次明确提出NAMs可作为WoE风险评估的重要证据来源，为类器官和器官芯片带来新的监管机遇。

2026年5月，美国FDA肿瘤卓越中心（OCE）与药品审评中心（CDER）联合发布《Oncology Pharmaceuticals: Streamlined Nonclinical Safety Studies for Biologics and Conjugated Products》征求意见稿。

该文件虽然聚焦于肿瘤生物药和偶联药物（Conjugated Products），但其释放出的监管信号远超肿瘤领域本身：FDA首次在肿瘤药物毒理评价指南中明确提出：WoE（Weight of Evidence，证据权重）风险评估可以替代部分动物实验，而NAMs可作为重要支撑证据纳入监管决策体系。

对于类器官、器官芯片、高内涵成像、人工智能与计算毒理学等新兴技术而言，这无疑是一个里程碑事件。

长期以来，新药IND申报前通常需要完成：1个月重复给药毒理研究、3个月重复给药毒理研究、两个物种评价（啮齿类+非啮齿类）、大量组织病理学分析。尤其对于肿瘤生物药，非人灵长类动物（NHP）研究往往占据极高成本。

FDA此次指南明确指出：«在某些情况下，可以采用基于证据权重（Weight of Evidence，WoE）的风险评估替代传统动物毒理学研究。»

其核心目标是：减少动物使用、缩短研发周期、降低研发成本、提高研发效率、不降低患者安全性，这标志着监管思维正在从：“必须完成规定动物实验”转向：“能够证明安全性的最佳科学证据是什么”。

指南提出多个重要调整：

1. 部分3个月毒理研究可被取消

对于以下产品：PD-1/PD-L1单抗、CD3双抗、已充分研究的ADC药物，FDA认为其长期毒性风险已经具有充分认知基础，因此可以使用WoE风险评估替代3个月动物毒理研究。换句话说：部分传统长期毒理试验未来可能不再是必选项。

2. 单一物种研究可能足够

对于具有明确药理学相关性的产品FDA允许：仅使用一个啮齿类物种，减少非人灵长类动物使用，甚至在不存在相关动物模型时：完全采用WoE风险评估替代动物毒理研究。这对于许多人源特异性抗体产品具有重要意义。

3. 鼓励直接开展3个月研究

FDA提出企业可直接开展3个月研究，而不必先完成1个月研究。目的非常明确：减少重复实验和动物消耗。

FDA给出的WoE框架包括：

• 已有药理学数据。包括：靶点结合能力、药效学数据、PK/PD数据

• 已有临床数据。包括：同类药物安全性、已上市产品经验。

• 文献证据。例如：靶点生物学功能、靶点组织表达谱、已知毒性机制

• NAMs数据。FDA特别指出：«Other data, as appropriate, e.g., fit-for-purpose NAMs»。即：适用于研究目的的新方法学数据可以作为风险评估的重要组成部分。这是本指南最值得关注的一句话。

FDA此前已经发布《General Considerations for the Use of New Approach Methodologies in Drug Development（2026）》。而此次肿瘤毒理指南则是首次在具体药物研发场景中明确引用NAMs。

这意味着：NAMs正在从“探索工具”变成“监管认可证据”。

为什么类器官受到关注？

传统二维细胞模型无法反映：三维组织结构、细胞异质性、微环境影响。而类器官能够更真实模拟：肿瘤组织、肝脏、肾脏、肠道、肺等正常组织。因此特别适合①药物毒性预测，例如：肝毒性、肾毒性、胃肠道毒性；②靶点脱靶分析评估：药物是否会攻击正常组织；③ADC毒性评价分析：Payload释放、旁观者效应（Bystander Effect）、正常组织损伤未来在WoE体系中：类器官数据有望成为支持降低动物实验的重要证据来源。

FDA近年来持续投入器官芯片项目。器官芯片最大的优势在于：①模拟人体动态环境，相比静态培养，能够模拟：血流、剪切力、药物暴露过程；②多器官联动，例如：肝-肾芯片。能够研究：代谢产物形成、继发毒性；③人源化优势，解决：动物模型与人体差异问题。对于ADC、双抗、细胞治疗等复杂生物药：器官芯片未来很可能成为监管接受的重要补充证据。

此外，高内涵成像（HCS）将成为毒理评价核心工具

高内涵成像具备：多参数评价能力，一次实验即可获取：细胞活性、线粒体功能、DNA损伤、氧化应激、凋亡指标。大规模筛选能力，能够快速完成数千至数万个条件评价。AI分析能力，结合深度学习后，可形成细胞表型指纹（Phenotypic Fingerprinting）。这与FDA强调的：«综合证据评估（Integrated Risk Assessment）»高度一致。

计算毒理学和AI将迎来爆发

本次指南反复强调：Knowledge-based Risk Assessment。即：基于知识体系的风险评估。

其核心正是：计算毒理学，包括：QSAR模型、PBPK模型、系统毒理学、数字孪生模型。

AI预测平台

利用：大规模公开毒理数据库、临床不良反应数据库、多组学数据，预测：毒性靶器官、安全窗口、风险等级。未来AI生成的风险评估报告很可能成为WoE体系的重要组成部分。

结语

FDA此次指南最大的意义并不在于减少了多少动物实验，而在于其正式确立了一种新的监管理念：“以最佳科学证据替代传统固定路径”。

在这一框架下，类器官、器官芯片、高内涵成像、计算毒理学以及人工智能驱动的风险评估平台，将从科研工具逐步成长为药物研发和监管决策的重要基础设施。对于全球NAMs行业而言，这不仅是一份技术指南，更是未来十年药物研发范式转变的重要信号。

丹望医疗已建成国内最大、全球领先的类器官疾病模型库，涵盖脑、心、肝、肺、肠、肾等正常类器官及超过20种、上千例肿瘤类器官。为解析疾病机制、筛选药物提供了无可替代的“人类替身”，全面整合真实临床信息、前沿靶点、组学分析及病理数据资源，无需东寻西觅，一库俱全！为多疾病领域、复杂医疗场景提供智能化解决方案支撑！