Science 2026 斯坦福和NIH封神综述 | 以新型替代方法重塑以人为中心的药物开发

斯坦福大学心血管研究所主任 Joseph C. Wu 领衔，联合人工智能生物医药领域领军者 James Zou、美国国立卫生研究院NIH监管权威 Nicole Kleinstreuer，三人强强联手发表Science综述，系统拆解人源类器官模型、器官芯片与人工智能如何协同发力，彻底颠覆传统新药研发模式。

药物开发正处于结构性变革的关键历史节点。数十年来，该领域始终依赖动物模型，而动物模型仅能近似模拟人体生理、代谢与免疫反应，无法真实复现其核心特征。这一固有局限使药物开发管线长期陷入进展缓慢、成本高昂且预测性低下的困境：在临床前研究中展现出潜力的化合物有九成最终未能在人体试验中继续推进。随着寡核苷酸药物、抗体-药物偶联物及靶向蛋白降解剂等新型治疗模式的兴起，动物模型与人体之间的转化差距继续扩大，根本原因在于这些药物所作用的分子靶点或通路往往在动物体内并不存在。

针对上述挑战，科学界、产业界与监管部门正共同推动一场广泛的变革。国际指南对于在动物模型缺乏相关性时采用人源系统的支持力度日益加大。2022年12月，美国颁布FDA现代化法案2.0，明确了人源细胞测定法、微生理系统及计算模型等多种新型替代方法作为动物实验替代方案的适用性；2025年12月获批的FDA现代化法案3.0进一步巩固并强化了这一转变。与此同时，英国于2025年底发布"以科学替代动物"战略，核心目标在于加速人类相关技术的开发进程及其在监管领域的实际应用。

这些监管层面的转变与日益增多的概念验证证据相互呼应。人诱导多能干细胞来源的心肌细胞，已通过综合体外致心律失常风险评估倡议被纳入标准化心脏安全评估体系。此外，已有一个基于器官芯片与人工智能的初步平台通过FDA新药创新科学技术途径资格认定程序，一种借助计算工具发现的TRAF2及NCK相互作用激酶抑制剂也已推进至临床评估阶段。这些进展共同昭示了一场将新型替代方法系统性纳入药物开发的协同运动。

以人为中心的药物开发以人源细胞系统为核心，涵盖原代细胞、永生化细胞系与干细胞三大类别，各自从不同维度反映人体生物学特性。将上述细胞系统构建为二维培养物或整合至微生理系统后，可对药物有效性、药代动力学及毒性开展预测性评估。

原代人源细胞保留了成熟组织特有的谱系特异性代谢程序、电生理特性与免疫反应性，使其成为评估药物安全性、药效动力学及器官特异性毒性的基础平台，原代肝细胞、心肌细胞、内皮细胞和免疫细胞均为典型应用。相较而言，永生化人源细胞系在可扩展性方面具有突出优势。

常用细胞系涵盖以下几类：人胚肾HEK293细胞适用于受体信号传导与细胞毒性测定；肝癌HepG2与HepaRG细胞系用于代谢及毒性反应分析；肿瘤来源的肺癌A549与乳腺癌MCF-7细胞系则支持化合物细胞毒性检测与早期筛选。

干细胞平台通过引入受控分化潜能与遗传代表性，拓展了人源疾病建模的范围。成体干细胞涵盖造血干细胞、间充质干细胞与上皮祖细胞，在保留组织特异性表观遗传与功能特性的同时，维持谱系限制性分化潜能。多能干细胞涵盖胚胎干细胞与诱导多能干细胞，可构建可再生的人源平台并产生多种特化谱系。胚胎干细胞源自人类早期胚胎，首次阐明了多能性原理，但其来源亦引发伦理争议；体细胞重编程技术的出现使患者特异性诱导多能干细胞的构建无需依赖胚胎组织。定向分化技术的持续进步现已能够规模化产生心肌细胞、肝细胞、神经元与胰岛细胞等多种谱系，为疾病建模与药物开发提供支撑。

最佳细胞平台的选择取决于疾病的主导驱动因素。诱导多能干细胞技术尤其适用于遗传定义明确的疾病，其保留了供体特异性突变与风险变异，将其分化为相关谱系可在受控基因组背景下开展机制分析。该方法最初应用于单基因疾病，现已扩展至神经退行性疾病、心肌病、病毒易感性与纤维化等复杂疾病。除机制层面的价值外，患者来源诱导多能干细胞系统亦为治疗性发现提供了实证依据，包括针对肌萎缩侧索硬化症的罗匹尼罗发现、针对LMNA突变所致血管病变的洛伐他汀发现，以及基于诱导多能干细胞来源肺上皮细胞的抗病毒候选药物筛选。

相比之下，许多慢性病与年龄相关疾病源于累积性环境暴露、持续性炎症或进行性组织重塑，而非基因突变，原代人源细胞在此类情境下往往更能保留疾病相关表型。以慢性阻塞性肺疾病患者或长期暴露于香烟烟雾的气道上皮细胞为例，其在分化与炎症信号传导方面维持着疾病相关改变；老年供体的真皮成纤维细胞则表现出增殖能力下降与细胞外基质产生改变。从跨组织视角来看，原代人源细胞保留了与衰老及长期环境因素相关的表观遗传印记，凸显了其在慢性、情境依赖性疾病状态建模中的独特价值。

每种细胞来源均存在固有权衡：原代人源细胞提供生理成熟度，但受限于可获得性、供体变异性与有限的扩增能力；永生化细胞系具有可扩展性与可重复性，但可能偏离原有组织结构与调控网络；多能干细胞来源模型具备遗传精准性与可再生供应，但往往呈现发育不成熟的特点，且重编程过程会重置与年龄及暴露依赖性表型相关的表观遗传程序。

因此，提升预测性能有赖于在细胞平台、疾病机制与治疗开发阶段之间进行有意识的匹配。遗传驱动性疾病或许最适合以患者特异性多能系统建模，而环境调控或晚发性疾病则可能更忠实地由成熟原代细胞呈现。这些平台不应被视为相互竞争的路径，而应被战略性地整合，在多层次人类相关模型中兼顾生理保真度、可扩展性与遗传可控性，服务于以人为中心的药物开发。

在体外重建人体组织结构，已成为干细胞科学与生物工程交汇处的前沿领域。近年来，这一领域的进展催生了微生理系统，即能够重现人体器官基本结构与功能特征的工程化平台。两种互补模态相继涌现：类器官是自组织的三维构建体，器官芯片则是在受控流动与机械刺激条件下培养细胞的微流控平台。两类系统共同推动传统细胞培养向接近活体器官的生理复杂性迈进。

类器官是能够重现人体器官关键结构与功能属性的三维细胞系统，旨在弥补二维培养结构简单性的不足，以及动物模型因物种差异带来的转化局限。其维持细胞异质性、空间组织性与生理相关的细胞间信号传导，从而更忠实地在体外呈现人体组织生物学。类器官可来源于成体干细胞、患者来源肿瘤标本，或经诱导多能干细胞定向分化获得。

成体干细胞来源的类器官由含有活跃自我更新干细胞群的活检或原代组织产生，无需重编程即可扩增，并保留来源组织的区域特性。例如，单个肠上皮干细胞可产生涵盖所有主要上皮谱系的类器官。然而，这一策略不适用于脑、视网膜或心肌等非增殖性组织，诱导多能干细胞来源的类器官通过体细胞重编程产生可再生干细胞，突破了这一限制，现已建立涵盖心脏、大脑、视网膜及肝脏的多种器官分化方案。患者来源肿瘤类器官则将类器官建模扩展至恶性情境，直接从活检或切除材料中建立，保留原始肿瘤的组织学结构、突变谱与转录组程序。

上述基于类器官的微生理系统已成为疾病建模、治疗分层与药物开发的预测性平台。在炎症性肠病领域，患者来源类器官在体外保留疾病相关的转录与表观遗传印记，支持细胞因子驱动反应的分析。在囊性纤维化领域，气道类器官中的福斯克林诱导肿胀试验准确预测了患者对囊性纤维化跨膜转导调节因子调节疗法的临床应答。在肿瘤学领域，患者来源肿瘤类器官作为功能性药物检测的可扩展平台，与患者应答呈现良好一致性，支持肿瘤异质性和耐药性分析。靶向表皮生长因子受体EGFR与富含亮氨酸重复序列的G蛋白偶联受体5 LGR5的双特异性抗体MCLA-158（派森妥单抗）的开发，正是结肠癌类器官支持从靶点验证到临床前开发全程治疗性发现的典型范例。这些类器官系统从多维度捕捉患者生物学特征，使患者特异性特征与功能性治疗反应得以有效关联。

器官芯片通过对流体流动、剪切应力、机械应变和分子梯度的工程化控制，与类器官系统形成互补。持续灌注支持血管样转运、营养交换与生物力学刺激，能够在动态条件下模拟器官水平的生理功能。以肺芯片为例，其在柔性多孔膜两侧培养肺泡上皮细胞与内皮细胞，并施以周期性拉伸，重现呼吸力学与气体交换过程。

微流控系统还能提升治疗反应建模的预测准确性。在一种由未经治疗的肿瘤类器官与配对成纤维细胞构建的患者特异性食管腺癌芯片模型中，灌注维持了肿瘤间质结构与遗传特征，对新辅助化疗反应的预测准确性在约12天内优于静态类器官培养。这一结果凸显了微流控器官芯片在临床相关药代动力学暴露曲线下开展体外检测的能力，从而增强了其相对于静态模型的转化价值。

微流控平台亦整合了免疫与微生物复杂性。一种以外周血单核细胞和肽-主要组织相容性复合体MHC靶向T细胞双特异性抗体灌注的肾脏类器官芯片，能够区分抗原特异性细胞毒作用与非特异性T细胞活化，在人体组织情境中解析靶向效应与脱肿瘤效应。一种整合了内皮屏障的乳腺癌芯片模型支持免疫细胞跨内皮迁移、肿瘤浸润与细胞因子监测，可在生理流动条件下评估嵌合抗原受体CAR-T细胞的疗效。对宿主-微生物组相互作用的研究已在宫颈和阴道器官芯片模型中得到证实：卷曲乳杆菌维持上皮完整性并抑制炎症信号，而阴道加德纳菌主导的菌群则诱导上皮损伤与细胞因子上调，清晰重现了保护性与失调状态之间的对比。

器官芯片技术现已扩展至心脏、肾脏、肠道与血脑屏障等大多数主要器官系统，与类器官平台形成互补，共同强化人类相关药物开发预测基础。

最新进展正将类器官生物学与微流控工程融合为混合型类器官芯片系统，将发育保真度与微环境调控相统一。持续灌注与机械刺激克服了游离类器官中常见的扩散限制和缺氧核心问题，支持延长培养周期与实时监测。以脑类器官芯片模型为例，具有内皮化微通道的结构设计改善了氧合与神经元成熟度；肝芯片阵列则支持数千个肝脏球状体的持续灌注，用于长期代谢与毒性研究。

在更高层次的整合上，相互连接的多器官回路能够研究系统性药代动力学与器官间交互作用。一种连接心脏、肝脏、骨骼与皮肤类器官的诱导多能干细胞来源多组织芯片，在共享血管网络的同时维持了各自独特的微环境，重现了人体对阿霉素的药代动力学与药效动力学反应，并揭示了早期心脏毒性的生物标志物。这些复合系统代表了在体外近似全身生理的整合型微生理系统。

微生理系统技术已取得实质性进展，但在实现完全的监管与产业化应用方面仍面临障碍。设备设计、材料、生物传感器整合及生物学输入方面的变异性限制了重现性与跨平台可比性，进而制约了大规模与长期应用的通量。对原代细胞的依赖进一步阻碍了可扩展性，更加说明对可再生诱导多能干细胞来源谱系的迫切需求。

针对上述挑战，国际社会正积极推进方法学标准化、模型表征与验证工作。经济合作与发展组织已推出"良好体外方法规范"，新兴的跨机构资格认定框架亦开始制定将实验保真度与临床相关性相关联的性能标准。2025年成立的美国国立卫生研究院标准化类器官建模中心有望提供联合数据基础设施与协调基准测试，以加快基于类器官的新型替代方法的开发与协调统一进程。展望未来，类器官与器官芯片系统有望整合自动化、嵌入式分析与计算建模，构建可重现、人类相关且符合伦理的下一代临床前系统。

若将干细胞与微生理系统技术视为人源药物开发的"硬件"，人工智能便是解读复杂数据、生成可检验假说并驱动预测模拟的"软件"。在生物医学研究领域，尤其是在药物开发中，人工智能正将来自影像、组学与功能测定的高维信息整合进能够揭示机制、预测药物属性及临床反应的模型之中。

人工智能通过以数据而非人类直觉为导向的从头分子设计，已对早期药物开发产生深远影响。Transformer和图神经网络等深度学习架构能够从数百万个化合物中学习化学的统计规律，生成针对效价、选择性、安全性与药代动力学进行优化的结构。通过整合蛋白口袋、疾病特征或动态构象等情境约束，这些计算系统能够设计出针对特定生物靶点的分子，涵盖蛋白水解靶向嵌合体PROTACs、多肽与功能性蛋白。用于纤维化治疗的TNIK抑制剂的发现，在18个月内完成识别、优化并推进至临床试验，正是算法设计加速从假说到人体试验全程的典型例证。尽管仍处于早期阶段，人工智能的应用已标志着从经验性药物化学向数据驱动分子发明的潜在范式转变，具备前所未有的规模与速度。

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。传统发现管线依赖静态数据集与穷举式高通量测定，在处理复杂生物学时往往代价高昂且效率低下。相比之下，主动学习通过优先筛选最能有效降低模型不确定性的化合物，实现对预测模型的迭代优化，使高内涵表型读数能够为每轮新实验提供信息，从而调和了测定深度与规模之间的权衡。Cellarity开发的DrugReflector是这一策略的典型例证：该系统将强化学习与逾100万个转录组扰动谱整合，以优先筛选能够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升高达17倍。该平台的应用催生了CLY-124，一种一类新药的球蛋白转换口服疗法，在人源细胞模型中可诱导胎儿血红蛋白水平超过20%且无可检测细胞毒性，目前正在开展I期临床试验。类似框架亦通过基于不确定性的分子生成与属性优化加速了抗生素、激酶抑制剂与衰老细胞清除剂的发现，凸显了反馈驱动设计将计算预测与适应性实验相耦合的潜力。

在药物开发的后期阶段，多模态基础模型正在重新定义人体生物学的计算表征方式。通过整合表观基因组、基因组、转录组、蛋白质组、代谢组、影像与临床记录等数据，人工智能系统能够捕捉遗传易感性与动态疾病状态。BiomedCLIP在1500万个生物医学图像-文本对上训练，统一了放射学、组织学与显微镜图像，能够在无需任务特异性预训练的情况下完成诊断并支持生物标志物发现；拥有1760亿参数的医疗大语言模型MedFound从电子健康档案中学习诊断推理，以预测罕见与非典型疾病；TITAN则通过对齐全切片图像、病理报告与分子图谱，在无需任务特异性微调的情况下实现准确的癌症诊断、预后评估与报告生成。这些系统超越模式识别，迈向情境推断，揭示了分子网络变异如何跨组织、跨尺度地表现为疾病表型。

人工智能在药物开发中的前沿正从预测转向能动，由大语言模型的进步驱动。AlphaFold、ESM、scGPT、GenePT与DINO等领域基础工具已提供了结构、分子与细胞状态的高分辨率表征，可作为系统性能动框架中的专用组件，由高级人工智能智能体编排协调，用于假说生成、实验设计与数据解释。虚拟实验室是这一演进的典型例证，该系统以大语言模型为"首席研究员"，指导专业人工智能智能体针对新兴SARS-CoV-2变体设计纳米抗体结合剂，通过整合ESM、AlphaFold-Multimer与Rosetta生成了92个候选体，其中两个经实验验证证实有效。配备自动化合成与分析模块的机器人化学家则能够执行自引导的反应优化，将物理实验与启发式推理相耦合。这些系统共同标志着能动性人工智能作为主动合作科学家的新时代到来，在持续学习的实验室环境中自主设计、执行并解释实验。

随着人工智能在药物开发中的应用不断扩展，其技术能力的进步速度已超过相应科学与监管框架的跟进速度。这一失衡暴露出若干关键挑战：数据在机构、模态与实验系统之间仍处于碎片化状态，限制了模型的泛化能力与可重现性；深度模型的不透明性与不一致的报告标准进一步削弱了可解释性与监管信心。弥补上述差距需要透明化文档、共享基准与独立验证管线。可解释人工智能的努力已开始阐明预测背后的推理逻辑，现代加密方法与联邦学习框架则允许在不损害数据隐私的情况下开展协作模型训练。数字孪生技术进一步延伸这一愿景，通过整合分子、生理与临床信息，在个体乃至群体层面于人体暴露前在计算机内模拟药物行为并预测安全性与有效性。随着上述方法持续成熟，下一阶段的计算新型替代方法将依托统一基础设施，整合可解释算法、可重现数据与适应性监管，确保预测智能转化为切实的生物医学洞察。

新型替代方法的持续演进，将由生物学与计算学方法向连贯发现工作流的整合所塑造。多样化的新型替代方法模态生成正交且可互操作的证据流，这些证据流可通过结构化的实验-计算网络与假说生成-检验循环加以整合。为促进这一汇聚，本文提出一个将新型替代方法整合嵌入以人为中心开发范式的四步路线图。

在循环实验室系统中，高内涵实验输出持续更新预测模型，模型衍生的假说反过来优先确定下一批待检验的扰动、设计或条件，每个循环在深化机制分辨率的同时逐步收窄化学与生物设计空间。在抗体工程领域，生成模型与主动学习算法被用于指导1800个变体的连续设计与检测，实现了高达100倍的亲和力提升。LUMI-lab将基础模型与机器人合成相结合，探索用于mRNA递送的脂质结构，经过10个迭代周期，该系统自主识别出可增强转染效能的溴化尾基，实现了超过20%的体内基因编辑效率，优于商业脂质纳米颗粒制剂约15%的效率基准。当与干细胞来源类器官和微生理系统等人源复杂实验模型相结合时，这类循环实验室框架有潜力将早期发现转变为持续自我优化、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。

随着候选药物推进至临床前评估，器官芯片正作为药代动力学与系统级安全评估的核心新型替代方法平台，从单器官表征演进为相互连接的生物工程构建体。当动物模型缺乏转化相关性时，如缺乏相关动物物种和靶点或存在跨物种差异，这些系统尤其具有价值。通过重建生理流动、剪切力与分区容积，器官芯片能够定量模拟吸收、代谢、分布与清除过程，同时监测有效性与脱靶损伤。其预测性能由多项实例所印证：整合了生理学为基础的药代动力学建模的肝-肾-肠道回路能够准确重现人体首过代谢与系统暴露；连接肝、心、肺、内皮、脑与睾丸六种人体组织的多器官回路则进一步支持器官间毒性、前药活化与代谢物再分布的评估。

商业化与监管参与正将上述进展付诸实践。商业化肝脏芯片作为预测药物诱导性肝损伤的分析工具，已被纳入FDA ISTAND资格认定程序，而药物诱导性肝损伤正是导致药物晚期失败的主要原因之一。嵌入式生物传感器通过实时测量氧合、屏障完整性、细胞因子通量、电生理活动与代谢功能，进一步扩展系统能力，揭示延迟性或机制上较为隐匿的毒性。当与多模态人工智能模型相结合时，芯片系统正朝着生理学上合理的药代动力学与药效动力学模拟迈进，支持实时预测、实验优化以及给药策略与安全边际的迭代优化。

"皿中临床试验"是指利用人源细胞平台，在体外对遗传多样化队列中的治疗反应进行建模，在患者入组前近似反映个体间变异性。大型分子表征生物样本库的建立使得在群体规模上研究治疗异质性成为可能。在肿瘤学领域，来自结直肠癌、肝癌、肺癌与小儿肾脏癌的患者来源类器官集合保留了组织病理学结构与基因组多样性，并在体外化学敏感性模式与临床结果之间展示出相关性。配对的原发-转移结直肠类器官能够预测化疗反应，而整合了药物基因组分析的肝癌生物样本库则识别出预测性多基因特征与耐药机制，如c-Jun介导的仑伐替尼耐药性。多能干细胞生物样本库的平行应用将这一框架延伸至安全性与疾病建模：在CiPA倡议框架内，多供体诱导多能干细胞来源心肌细胞建立了能预测临床QT间期延长的致心律失常测定，推动了ICH E14/S7B指南的修订；供体分辨的心肌细胞与神经元数据集则支持心脏和神经毒性评估。在疾病特异性情境中，气道诱导多能干细胞模型在囊性纤维化试验中表现出体外CFTR调节剂反应与临床获益之间的一致性，支持应答者分层；患者来源诱导多能干细胞内皮细胞平台亦已指导针对LMNA相关扩张型心肌病的洛伐他汀再利用，经治疗患者的内皮功能得到改善。

下一次跃升在于人源细胞平台与微流控系统及人工智能模型的融合。连接患者类器官的微生理回路能够重现药代动力学，并支持在人体中存在伦理或可行性障碍的实验，如放射性损伤或极罕见基因型的研究。在形态学、电生理学与转录组谱上训练的机器学习模型正开始在虚拟患者队列中预测毒性、推断机制并优化给药方案。通过这一融合，临床前建模与临床研究之间的边界趋于流动，催生出预测性、数据驱动的转化药理学连续体。

实验性与计算性新型替代方法融合的典型范例在于数字孪生，即一种整合分子、生理与真实世界数据以预测治疗结果的患者特异性模拟。从概念上看，数字孪生沿着阶段性轨迹演进：横截面生理表征（第1级）、纵向监测与动态建模（第2和第3级）、多器官与多尺度整合（第4级），以及可解释决策支持系统（第5级）。现有的大多数实现仍停留在第1和第2级，呈现出机制深度有限的静态或部分纵向表征。新型替代方法平台提供了向第3和第4级推进所需的多尺度数据，构建出数字-实验孪生：诱导多能干细胞测定提供跨主要器官谱系的患者特异性基因型与表型，微生理系统则提供定量代谢、清除与屏障功能测量。随着上述机制层次的成熟，电子健康档案、医疗索赔数据集与数字健康设备所采集的真实世界数据，将对于将新型替代方法衍生的表征锚定于纵向临床轨迹与群体变异性不可或缺，从而赋能近似试验设置的医疗数字孪生，涵盖个性化药代动力学与药效动力学模拟、给药方案优化及疾病进展预测。达到第5级还需将上述数据流与具备因果推理和不确定性感知能力的可解释人工智能相结合，以实现决策支持。

数字孪生应用已在各临床领域初露端倪。在心脏病学领域，一个整合影像与电生理的患者特异性数字孪生支持了室性心动过速的个性化消融规划。在肿瘤学领域，肿瘤-药物相互作用模型预测了跨多种化疗类别的个体疗效与毒性谱。在群体规模上，对逾900万份电子健康档案轨迹的建模重建了虚拟队列，用于预测终生疾病风险与药物反应模式。在纵向疾病管理方面，一个房颤的计算孪生能够重现终生心律动态与卒中结局，并确定短间隔心电图筛查为最有效的预防策略。上述例证共同凸显了数字孪生正逐步成熟为能够指导个性化治疗与长期疾病管理的临床可操作工具；当与复杂人源实验模型相结合时，其在优化临床转化方面将实现更高水平的精密度。

新型替代方法面临的首要近期挑战不在于技术创新，而在于机构准备度。生物学与计算学工具的演进速度已超过为评估其所设计的监管、伦理与教育框架的跟进速度。弥合这一差距不仅需要渐进式改革，更需要在治理、监督与人才培养上的协同演进，使技术创新与社会信任同步成长。

监管机构正在为人类相关模型探索资格认定路径，但全球层面的协调仍不完整。核心挑战在于建立新型替代方法平台能够在监管框架内可重现地被评估的条件。商业化人体肝脏芯片套件说明了如何将这一目标付诸实践：它整合了批量生产的双通道微流控设备、规定的细胞外基质涂层，以及在标准化准则下认证的原代人源细胞类型，涵盖供体来源、传代限制、活力及谱系特异性标志物表达。这种对工程设计与生物学输入的协调控制降低了跨地点的变异性，构建出适用于监管评估的明确系统。2024年，FDA的ISTAND项目接受人体肝脏芯片进入潜在资格认定程序，作为预测小分子化合物药物诱导性肝损伤的分析工具，而药物诱导性肝损伤正是导致药物晚期失败的主要原因之一。这一决定表明，监管认可有赖于以标准化系统性能为支撑的明确使用情境界定。NIH标准化类器官建模中心等平行举措进一步释放了将可重现性嵌入人类相关平台的广泛机构承诺。实现全球协调的监管认可，有赖于跨机构的协同努力、统一的性能基准，以及能够支持跨司法管辖区一致解释的可互操作数据标准。

微生理系统与人工智能增强系统的扩展正在重新界定临床前研究的伦理边界。尽管新型替代方法减少了对动物实验的依赖并支持更贴合患者的建模，但也带来了新的伦理挑战：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，以及如何监督可能影响实验或临床决策的算法工具。近期全球举措，包括世界卫生组织关于大型多模态人工智能模型的指导方针以及国际干细胞研究学会的干细胞研究指南，均强调了能够随技术演进的持续性国际协调监督机制的必要性。关于建立常设观察站以监测伦理复杂研究的提议，折射出向适应性治理的广泛转变，即将伦理视为科学与社会之间动态的参与式对话，而非回顾性检查点。在新型替代方法驱动的实验范围与影响不断扩大的过程中，嵌入这种反思性与前瞻性管理机制对于维护研究合法性至关重要。

新型替代方法的长期应用有赖于培育一支能够在生物学、计算学与监管维度上生成和解释证据的专业队伍。然而，现有的大多数培训体系仍植根于动物实验范式，强化了主导科学实践、同行评审与经费评审的结构性偏见。NIH的人源研究倡议将资源与类器官生物学、微生理系统及人工智能分析的教育相结合，是弥合这一差距的重要举措。监管机构亦在对审评人员开展再培训，使其能够在统一框架内解读体外与计算数据。构建这种跨领域能力不仅需要技术培训，还需要系统思维、伦理素养，以及在生物学细微性与计算抽象之间迭代转换的能力。下一代科学家、工程师与监管人员不仅需要掌握如何设计和部署新型替代方法，还需要学会评估其相关性与局限性，并将其整合进历史上由动物模型塑造的持续演进的决策架构之中。唯有通过这一层面的教育转型，新型替代方法才能在以人为中心的开发生态系统中成为可信赖的常规组成部分。

未来十年将是一个关键过渡时期：人源新型替代方法在药物开发中的角色日益重要，而动物模型的应用将逐步收窄并限定于更为特定的情境。在此过渡期间，动物实验很可能从作为默认的主要证据基础，演进为用于基准测试与优化新型替代方法平台预测性能的校准参照，并在必要时作为辅助性信息来源。随着人源模型的成熟，动物实验将被更有选择性地部署，例如用于解决残留不确定性或验证新兴的转化模型。若监管、伦理与教育结构能同步演进，基于新型替代方法的药物开发将成熟为一种比既往方法更具预测性、更透明且更贴合人体生物学的范式。