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”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。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。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。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维度传统“管线推进”思维新型“问题驱动”思维核心目标尽快完成本阶段进入下一期临床。在本阶段获取足够信息以降低下一阶段决策的不确定性。试验设计相对固定如33剂量爬坡然后扩展队列。高度灵活可能整合适应性设计如篮式、伞式、模型引导的药物开发MIDD方法。生物标志物角色探索性、附属性的样本可评估集Evaluable即可。核心的、驱动性的常作为患者入组标准或主要/关键次要终点的一部分。数据解读重心安全性是否可接受PK参数是否正常目标 engagement 是否达成早期疗效信号是否与机制吻合哪些患者有信号团队协作模式临床团队主导临床前团队在IND后支持减弱。跨职能团队临床、临床前、生物标志物、数据科学、转化医学深度、持续协作。失败定义未达到主要安全性终点或未找到MTD。未能回答核心的科学问题如机制在人体未验证即使安全性良好也可能终止。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。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。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。动态监测与耐药机制探索通过循环肿瘤DNActDNA、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。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。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。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。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。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挑战类别具体表现潜在应对策略监管沟通复杂的适应性设计、多重主要终点、基于中期分析的决策可能增加监管审评的复杂性。早期且频繁的沟通在IND前会议、EOP1会议等关键节点与监管机构如NMPA FDA充分讨论试验设计的科学性和可行性争取其理解和支持。提供详尽的模拟数据和决策规则。运营复杂性多队列、动态修改、复杂的样本物流和检测流程对项目管理、中心启动、数据管理提出极高要求。专业化团队与外包组建或依托具有丰富复杂试验运营经验的CRO团队。采用中心化实验室和专业的生物样本物流管理。利用EDC系统的高级功能管理复杂流程。数据整合与分析多模态、高维数据的整合、分析和解读是巨大挑战需要跨学科能力。投资数据科学与生物信息学建立内部团队或与顶级学术机构/生物信息公司合作。构建统一的数据湖和分析管道。临床医生、生物学家、数据科学家必须协同工作。成本与时间前期投入检测、分析巨大可能延长早期开发时间线。改变价值衡量标准从“推进速度”转向“决策质量”。通过早期精准的“失败”避免后期更巨大的损失。计算总体研发成本的节省NPV分析。内部文化阻力传统部门墙、对不确定性的容忍度低、考核机制不匹配。高层驱动与教育由研发最高领导层推动变革统一思想。调整团队和个人的考核指标奖励高质量的数据产出和科学洞察而非单纯的里程碑达成。组织内部培训分享成功案例。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。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。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。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。
)
