转化医学视角下新药早期临床开发路径的重构：从管线推进到问题驱动

1. 项目概述：当“转化医学”遇上“早期临床开发”

最近和几位在国内外药企做临床开发的老朋友聊天，话题总绕不开一个词：“内卷”。新药研发的投入像滚雪球一样越来越大，但临床成功率却像中了魔咒，在II期、III期折戟沉沙的项目比比皆是。大家一边感慨“烧钱如流水”，一边又不得不硬着头皮往前冲，因为传统的临床开发路径——从临床前到I期、II期、III期按部就班——似乎成了唯一“正确”的玩法。直到我们深入聊起《自然·生物技术》（Nat. Biotechnol.）近期聚焦“中国转化医学创新”的一系列讨论，特别是其中关于重新思考早期临床开发路径的核心理念，才感觉眼前打开了一扇新窗。

这不仅仅是一篇学术论文的观点，更像是一剂针对当前新药研发“高投入、低成功率”痛点的强心针。所谓“重新思考早期临床开发”，其内核是中国转化医学领域正在积极探索的一种范式转变：将传统的线性“管道”式开发，转变为以患者和生物学证据为中心的“学习与确认”循环。简单说，它主张把最具决定性的科学问题，尽可能前置到首次人体试验（FIH）乃至更早的阶段去回答，而不是等到耗资巨大的后期临床才去验证一个可能错误的基本假设。

为什么这件事在今天显得如此重要和紧迫？从行业现实看，一个创新药项目，超过一半的研发成本花在了临床开发，尤其是中后期。然而，大量失败源于对药物作用机制（MOA）、生物标志物、患者分层等根本问题在早期认知不足。转化医学的核心使命，正是搭建起实验室发现与临床获益之间的桥梁。而“早期临床开发”作为这座桥梁最先通车的关键路段，其设计思路直接决定了整座桥的效率和最终目的地。中国的创新药生态，经历了从“Fast Follow”到“First in class”/“Best in class”的转型阵痛，如今站在了追求源头创新和全球竞争力的新起点。在这个节点上，系统性地优化早期开发路径，不再是为了“省钱”，更是为了“求对”——用更高的科学质量，提升最终为患者带来新治疗选择的成功率。

这篇文章，我就结合自己对国内外临床开发实践的观察，以及从转化医学研究中汲取的灵感，来拆解一下这种“重新思考”具体思什么、怎么考。无论你是从事临床前研究、临床开发策略、医学事务，还是投资尽调，理解这套新逻辑，或许都能帮你在这个充满挑战与机遇的时代，找到更清晰的发力点。

2. 核心理念拆解：从“管线推进”到“问题驱动”

传统的新药早期临床开发，常常被形容为“闯关游戏”：完成临床前毒理药理（IND enabling studies），向监管机构提交新药临床试验申请（IND），然后按部就班地开启I期试验，主要目标是评估安全性和耐受性，顺带看看药代动力学（PK）特征。如果安全性过关，再进入II期概念验证（POC）研究，看看有没有疗效信号。这套流程本身没有问题，它是法规和科学的基本要求。但问题在于，很多时候，我们过于专注于“完成阶段任务”和“推进到下一阶段”，而忽略了在每个关口应该解决的最核心的科学问题。

2.1 “问题驱动”开发路径的核心要素

重新思考后的早期临床路径，其灵魂是“问题驱动”。在第一个人体试验之前乃至之中，团队就需要反复追问并设计实验来回答以下几个层次的问题，而不是仅仅满足于“剂量爬坡完成了”、“MTD（最大耐受剂量）找到了”：

1. 机制验证问题：我们在临床前模型中观察到的药理作用，在人体中真的以同样的方式发生吗？例如，一个设计用于降解某个靶点蛋白的PROTAC分子，在患者体内是否真的观察到了靶蛋白水平的显著下降？这需要在前瞻性临床试验中嵌入强制性的药效动力学（PD）生物标志物检测。
2. 患者选择问题：这个药可能对哪部分患者有效？早期临床就应积极探索预测性生物标志物。不仅是基因组学标志，还包括影像学、病理学甚至动态的液体活检指标。目标不是确证，而是生成假设，为后续精准的患者富集策略提供线索。
3. 剂量-暴露-效应关系问题：除了安全性和简单的PK，我们更需要建立剂量、药物在体内的暴露量（PK）、靶点占据或调节程度（PD）、以及早期疗效信号（如肿瘤缩小、炎症指标下降）之间的定量关系。这有助于确定一个具有生物学活性的剂量范围，而不仅仅是一个基于安全性的最大剂量。
4. 临床开发策略问题：基于早期获得的机制、患者选择和剂量效应数据，最适合的下一步开发路径是什么？是快速推进到某个特定亚群的注册性研究，还是需要回到实验室调整分子或策略？

2.2 新旧路径思维对比

为了更直观地理解这种转变，我们可以看一个简单的对比：

实操心得：推动这种思维转变，最大的挑战往往不是技术，而是组织文化和考核机制。如果团队和领导的KPI仍然是“今年要推进X个项目进入II期”，那么“花更多时间在I期做深入探索”就会显得“低效”。因此，这需要从公司战略层面重新定义早期开发的价值，将“高质量决策依据的产出”作为关键考核指标。

3. 创新工具与方法赋能新路径

理念的落地需要工具的支撑。近年来，一系列方法论和技术的成熟，使得这种“问题驱动”的早期开发路径从构想变为可能。这些工具不仅提升了我们提出尖锐问题的能力，更赋予了我们回答这些问题的武器。

3.1 适应性临床试验设计

这是打破传统分期壁垒的利器。在早期临床试验中（如I/II期），就融入适应性设计元素，允许根据累积的数据，在试验进行中对方案进行预先计划的修改。

• 篮式设计：针对同一个分子（“篮子”），同时在不同瘤种或不同分子亚型的患者群体（“篮筐”）中进行测试。这能高效探索药物的广谱潜力，快速识别敏感人群。例如，一个针对NTRK融合的抑制剂，可以在一个试验中同时招募肺癌、肠癌、肉瘤等所有携带该融合的患者。
• 伞式设计：针对同一种疾病（如非小细胞肺癌），同时测试多种不同的靶向药物，患者根据其生物标志物分入不同的治疗“伞臂”。这像一个“主协议”下运行的多个子研究，能极大提高患者匹配到精准治疗的机会，并快速比较不同疗法。
• 平台设计：一个更宏观、持续运行的试验框架，允许新的治疗臂加入，无效的治疗臂退出。它不再是一个有固定开始和结束日期的“研究”，而是一个持续学习的“系统”。

为什么这些设计适合早期开发？因为它们将“患者选择”和“疗效探索”大幅提前，在同一个试验框架内高效获取多维信息，加速了“学习-验证”的循环，避免了为每一个假设单独开设新试验的漫长周期和巨大成本。

3.2 模型引导的药物开发

MIDD的核心是利用数学模型（包括药代动力学/药效学PK/PD模型、疾病进展模型、生理药代动力学PBPK模型等），整合临床前和早期临床数据，来定量描述药物、机体和疾病之间的相互作用。

• 在早期开发中的应用：
  • 首次人体剂量预测：整合临床前PK/PD数据和种属间缩放，预测人体起始剂量和剂量爬坡范围，比单纯基于NOAEL（未观察到不良反应水平）和安全系数的方法更科学。
  • 优化剂量爬坡方案：通过贝叶斯逻辑回归模型等，实现更快速、更安全的剂量递增，减少暴露在无效或潜在毒性剂量下的患者数量。
  • 预测有效剂量范围：早期结合有限的PD和疗效数据，通过模型模拟预测达到目标疗效所需的剂量，为II期推荐剂量（RP2D）的选择提供强有力依据，而不仅仅是基于MTD或耐受性。

注意事项：MIDD的成功极度依赖高质量的数据输入。临床前研究的实验设计必须考虑到未来建模的需求（如剂量范围要宽，采样时间点要科学）。同时，需要早期引入建模与模拟专家，与生物学家、临床医生紧密合作，确保模型假设的生物学合理性。

3.3 多维生物标志物与转化医学研究

这是“问题驱动”路径的“眼睛”和“耳朵”。早期临床研究必须配套强大、前瞻性的转化医学研究计划。

1. 强制性PD生物标志物检测：对于作用机制明确的药物（如靶向抑制剂、免疫调节剂），必须在关键剂量水平上获取患者治疗前后的组织/血液样本，直接检测靶点抑制、通路调节、免疫细胞浸润等变化。这是验证“药物在人体内是否按预期工作”的铁证。
2. 探索性预测性生物标志物：利用高通量组学技术（二代测序、蛋白质组、代谢组）、高维流式细胞术、数字病理等，无偏倚地探索哪些基线特征与临床获益相关。这需要强大的生物信息学支持，从海量数据中挖掘信号。
3. 动态监测与耐药机制探索：通过循环肿瘤DNA（ctDNA）、循环肿瘤细胞（CTC）等液体活检技术，在治疗过程中动态监测疾病负荷和克隆演化。早期发现疗效不佳或耐药苗头，并探索其分子机制，能为联合用药或后续线治疗提供直接线索。
4. 新型终点探索：在传统RECIST标准之外，探索功能性影像（如PET-CT）、患者报告结局（PRO）等能否更早、更灵敏地反映治疗获益。

关键点在于整合：不能把生物标志物研究做成孤立的“附属项目”。它的采样时间点必须与临床评估点精准对齐，它的分析结果必须快速反馈给临床团队，用于实时决策（如是否扩展某个生物标志物定义的亚组）。

4. 实操框架：构建一个“学习型”的首次人体试验

理论说了这么多，具体到一个FIH试验，我们该如何设计，才能体现“重新思考”的精髓？以下是一个可供参考的实操框架，尤其适用于肿瘤创新药的早期开发。

4.1 试验方案设计要点

1. 明确核心科学问题：在方案设计伊始，就列出本次试验必须回答的2-3个顶级科学问题。例如：(1) 药物在人体内是否抑制了靶点X？(2) 在Y生物标志物阳性的患者中，是否观察到更强的抗肿瘤活性迹象？
2. 采用模块化、适应性设计：
   • 模块A（剂量探索与安全性）：可采用基于模型（如CRM）或贝叶斯最优区间（BOIN）的剂量爬坡，更快找到毒性概率靶区间。每个剂量组必须包含强制性的PD采样。
   • 模块B（扩展与初步疗效探索）：在选定一个或多个剂量（如RP2D和/或一个生物学有效剂量）后，开启扩展队列。这里可以引入“篮式”或“伞式”逻辑，预设多个基于生物标志物的扩展队列，并制定清晰的决策规则（如：如果在前N例某标志物阳性患者中观察到≥M例缓解，则继续扩增该队列）。
   • 模块C（联合用药探索）：如果机制支持，可以在FIH中或紧接其后，设计一个联合用药的模块，探索与标准治疗或其他机制药物的协同作用。
3. 嵌入强大的转化研究计划：
   • 样本采集：方案中明确规定基线、治疗早期（如C1D15）、疾病进展时的样本采集（组织活检优先，辅以血液、体液），并确保足够的样本量用于预定分析。
   • 分析计划：预先制定统计分析计划（SAP）和实验室分析计划，明确主要、次要和探索性生物标志物分析，避免“数据捕捞”。
   • 数据整合平台：建立统一的临床-转化数据平台，确保临床数据、影像数据、实验室数据、组学数据能进行关联分析。

4.2 执行与运营中的关键考量

1. 中心与研究者选择：优先选择具有强大转化研究能力和丰富早期临床试验经验的研究中心。研究者不仅要懂临床，还要对转化医学有热情和理解，能积极配合复杂的采样流程。
2. 患者知情同意：转化研究部分涉及探索性生物标志物和未来可能的数据共享，知情同意书必须清晰、透明地说明这些内容，并获得伦理委员会批准。
3. 数据监查与动态决策：设立独立的数据监查委员会（IDMC）或内部的数据审查委员会（DRC）。定期（如每入组10-15例患者）审查累积的安全性、疗效和生物标志物数据，并根据预先设定的规则，做出是否启动扩展队列、修改队列定义或停止某个队列的决策。
4. 预算与资源：此类深度整合的早期试验，其成本远高于传统FIH。预算必须充分涵盖复杂的中心实验室检测、多维组学分析、生物信息学分析和数据管理成本。需要专门的转化医学和临床开发运营人员投入。

5. 挑战、对策与未来展望

推行这种新路径绝非易事，会遇到来自内外部的一系列挑战。

5.1 主要挑战与应对思路

5.2 中国转化医学创新的独特机遇

在中国推行这一路径，有其独特的土壤和机遇：

1. 患者资源与疾病谱：中国拥有庞大的患者群体和独特的疾病谱（如某些胃癌、肝癌亚型高发），有利于快速招募患者，进行基于生物标志物的富集研究。
2. 监管机构的开放态度：近年来，中国NMPA在鼓励创新、接受复杂临床试验设计、加快新药审评方面展现了越来越开放和与国际接轨的姿态，为创新路径提供了政策空间。
3. 技术生态的成熟：中国在基因测序、AI制药、生物信息分析等领域涌现出一批世界级公司，能够为复杂的转化研究提供高质量、高性价比的技术服务。
4. 本土创新的需求：随着中国药企从“跟跑”到“并跑”甚至“领跑”，对提升早期研发成功率、打造全球竞争力的内在需求空前强烈，这是变革最根本的动力。

未来展望，早期临床开发路径的“重新思考”与优化，将越来越依赖于数字技术的深度融合。利用真实世界数据（RWD）辅助患者招募和试验设计，应用人工智能（AI）挖掘高维生物标志物数据中的隐藏模式，通过去中心化临床试验（DCT）工具提升患者体验和数据收集效率，这些都将使“学习型”临床试验变得更智能、更高效、更以患者为中心。

最终，这条路径的成功，标志将不仅仅是某个新药的上市，而是一整套基于科学、勇于探索、快速学习的新药研发文化的确立。它要求我们每一位从业者，从一名被动的“流程执行者”，转变为主动的“科学问题解决者”。这个过程注定充满挑战，但也是中国从制药大国迈向制药强国的必经之路。当我们把最多的智慧和资源，投入到最能决定成败的早期环节，去回答那些最根本的科学问题，我们才有更大的底气，去迎接后续临床开发的惊涛骇浪，最终把更多真正有价值的创新疗法，带给全球的患者。