综述：推进肿瘤药物研发：提高成功率并减少动物试验的创新方法

　　本综述系统探讨了肿瘤药物临床前研发的创新策略，聚焦于提升成功率的同时遵循3Rs原则（减少、优化、替代动物实验）。作者详细分析了2D/3D体外模型（如类器官、器官芯片）、人工智能（AI）技术及患者来源异种移植（PDX）模型的优势与挑战，并介绍了单鼠试验（SMT）等短期减畜方案，为构建更伦理、高效且预测性强的肿瘤药物研发框架提供了前瞻性视角。

　　

In vitro 2D phenotypic screens

人类肿瘤细胞系面板在体外筛选潜在抗癌剂方面始终发挥着基础性作用。美国国家癌症研究所（NCI）于1980年代末建立的包含60种人类肿瘤细胞系的大型表型筛选平台，取代了此前对常见人类实体瘤效果不佳的鼠P388白血病筛选程序。随着癌症生物学认知的深入，额外筛选被引入以增强其预测价值。尽管二维（2D）单层细胞培养在成本效益和可重复性方面具有优势，但其主要局限在于无法模拟肿瘤的三维（3D）结构及体内微环境，这可能导致临床反应预测不够准确。

Human tumour xenografts, patient-derived xenografts, and Immunodeficient animals

本节聚焦于体内模型的“减少（Reduction）”原则。1980年代T细胞缺陷裸鼠的发现，使得人源肿瘤异种移植物的植入和传代变得更易操作且高效。随着免疫缺陷小鼠和大鼠品系的连续发展（见图2时序），患者来源异种移植（PDX）模型已成为疗效测试中稳健且具转化相关性的金标准平台。此外，PDX来源的类器官（PDXO）和PDX来源的细胞培养（PDXDC）等混合模型，提供了整合体外与体内见解的互补系统。

Toxicology preclinical and organ-on-a-chip platforms

在化合物通过前述体外和体内阶段证明其有效性后，下一步即进入临床前毒理学研究，进行全面的安全性评估。该阶段受美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）等国际监管机构规范，是进入临床试验前的最后一步。其主要目标是确定人体研究的起始安全剂量、识别潜在毒性、评估累积毒性及确定靶器官。器官芯片（Organ-on-a-chip）平台通过模拟人体器官的生理环境，显著增强了生理相关性，成为传统动物毒理学模型的有力补充。然而，这些新技术在标准化、验证和监管接受度方面仍面临挑战。

Phase I clinical studies

一期临床研究是化合物首次在人体中进行测试的初始阶段。其主要目标是确定最大耐受剂量（MTD）并评估安全性，所采用的治疗方案已在临床前体内研究中经过评估。最初，一期研究的设计是针对化疗药物量身定制的，起始剂量通过临床前毒理学研究确定。随着靶向药物和免疫治疗药物的出现，该方法需要调整，因为这些药物的剂量-反应关系通常不同，最大耐受剂量可能不是最有效的剂量。

Discussion

过去四五十年间，技术与科学知识的进步极大地促进了对肿瘤生长的理解，阐明了关键信号通路和治疗靶点，并推动了抗癌药物的研发。裸鼠及后续免疫缺陷小鼠的发现，结合对人类肿瘤进行分子分析的能力，使得能够为临床前疗效研究建立大量特征明确的PDX生物样本库。然而，尽管取得了这些进展，肿瘤药物开发的总体成功率仍然很低，仅有3.5%至5%，若采用生物标志物指导患者选择，则可提升至近11%。晚期临床开发阶段的常见失败原因包括疗效问题、毒性和脱靶效应。

Conclusions

临床前模型的进步通过增加互补性技术而非简单替换，变革了抗癌药物研发。传统的五阶段临床前开发过程现已融入了额外的工具，包括3D培养、类器官、器官芯片设备、生物信息学以及人工智能（AI）工具，这些工具增强了传统2D筛选和动物模型所能提供的数据。近期的一项发展涉及使用PDXO/PDX和PDXDC/PDX匹配模型，该模型允许在体外和体内模型之间进行无缝转换。虽然这些创新提供了减少动物使用的长期潜力，但更具创新性的实验设计和方法，例如单鼠试验（SMT）和中空纤维测定（Hollow Fibre Assay），可以在短期内减少动物数量，且不影响数据质量。总之，这些进展共同为临床前抗癌药物的开发贡献了一个更加伦理、高效和具有预测性的框架。

Author contribution

HH：负责概念化、资源整合、手稿撰写、内容审阅与编辑，以及内容的可视化。

Declaration of generative AI and AI-assisted technologies in the writing process

在准备本作品的过程中，作者使用了ChatGPT来增强可读性和语言表达，重点改善了章节与段落间的逻辑流畅度，并创造了更平滑的过渡。此项技术的应用始终在人工监督和控制下进行。在使用该工具后，作者仔细审阅并编辑了内容，并对已发表文章的内容承担全部责任。

Funding

本研究未接受任何公共、商业或非营利资助机构的拨款。

Declaration of competing interest

作者声明不存在任何竞争利益。