目标替代动物的器官芯片，走到哪里了？-动脉网

器官芯片的上次“突飞猛进”大约是在两年前。2022年，FDA动作频繁：器官芯片在内的数据被首次用于FDA新药申请；在FDA和药企、Biotech公司推动下，从参议院到众议院，美国国会终于将对动物试验的非强制性写进法案。伴随着FDA的几个大动作，市场情绪一步步高涨。2022年前后也是国内器官芯片开始崭露头角的时候，数家器官芯片公司获得融资。

两年过去，随着AI浪潮的再次兴起，器官芯片的发展出现了巨大的变化，最大的变革之一是AI和机器学习的引入。AI被用于分析这些系统产生的海量数据、优化芯片设计、预测细胞行为，并模拟复杂的生物学相互作用。制药行业在药物开发过程中对器官芯片模型的信任度有所提升，扩大了合作尝试范围。

全球范围来看，器官芯片越来越像“TechBio”，而不再是单纯意义上的“生物技术”。

AI已是必选项

AI技术的引入极大提高了器官芯片技术的精准度和效率。AI能够处理从器官芯片中获得的大量生物数据，识别复杂的生物反应模式。

器官芯片产生的数据复杂而多样，包括细胞活性、代谢物水平和电生理信号等。人工智能，尤其是深度学习算法，能够有效处理这些多维度的数据。AI可以识别出人类难以察觉的微妙模式，比如细胞行为的细微变化。它还能将不同类型的数据，如基因表达、蛋白质水平和代谢物浓度等整合分析，从而得出全面的结论。

此外，AI在异常检测方面表现出色，能够识别出与正常状态偏离的数据点，这可能预示着疾病的早期迹象或药物的副作用。通过这种全面而深入的数据分析，AI为研究人员提供了前所未有的洞察力，使他们能够更好地理解复杂的生物系统。

利用机器学习算法，研究人员可以建立复杂的预测模型。这些模型能够基于历史数据预测新药物在器官芯片上的可能反应，大大加速了药物开发过程。同时，这些模型还可以模拟疾病在器官芯片中的发展过程，预测不同阶段的生物标志物变化。更重要的是，AI模型能够预测药物或环境因素的长期影响，克服了器官芯片实验在时间上的限制。

AI系统能够24小时不间断地监控器官芯片，这一能力极大地提高了实验的精确度和可靠性。它可以同时监控多个生理指标，如pH值、氧气浓度、细胞形态等。当检测到任何异常时，系统会立即发出警报，使研究人员能够及时干预。更先进的AI系统甚至可以根据监控数据自动调整实验条件，以维持最佳状态，使得长期、复杂的实验变得更加可行和可靠。根据细胞需求，AI能够动态调整培养基组分和供应速率，确保细胞在最佳状态下生长。

此外，AI还可以模拟各种体内刺激，如机械力和电信号，用于研究器官对这些刺激的反应。这种高度自动化和智能化的控制不仅提高了实验的精确度和可重复性，还使得长期、复杂的实验变得更加可行。

例如，耀速科技的AI算法能够自动分析图像数据，精确预测药物对器官的作用效果，极大缩短了药物开发的周期，并提高了实验结果的可靠性。

耀速科技通过基于细胞形态学AI技术的不断创新，提出了一系列在计算机视觉和图像分析领域的应用成果，并在顶级会议如CVPR（计算机视觉与模式识别会议）、ECCV（欧洲计算机视觉会议）和SBI2（国际生物影像与光学学会）上发表了相关研究成果。这些研究展示了如何使用AI技术进行高通量药物筛选和器官功能模拟，使得在芯片上进行大规模自动化分析成为可能。

然后，器官芯片技术生成的数据类型繁多且极为复杂，包括时间序列数据、空间数据和多模态数据等。这些数据的异质性和复杂性给AI算法带来了巨大挑战。在处理这些数据时，AI系统需要进行复杂的预处理和分析，以确保能够准确捕捉和解读数据中蕴含的生物学信息。例如，时间序列数据可能反映细胞随时间的动态变化，而空间数据则可能揭示细胞间的相互作用。AI算法必须能够整合这些不同类型的数据，从中提取有意义的模式和洞见。

另外AI模型，尤其是深度学习模型，常常被视为"黑箱"，其决策过程难以理解和解释。这在生物医学领域尤其成问题，因为研究人员需要充分理解模型的决策依据，以确保其结果具有生物学意义和可解释性。因此，开发可解释的AI模型成为了一个关键挑战。研究人员需要设计能够提供清晰决策路径的AI系统，使科学家能够理解模型是如何得出特定结论的，从而增强对AI辅助研究结果的信任度。

将AI技术与器官芯片系统有效整合需要生物医学工程师、计算机科学家和临床医生之间的密切合作。这种跨学科合作不仅需要在技术层面上实现突破，还需要在方法论和专业语言上达成共识。例如，计算机科学家需要深入理解生物学过程，而生物学家则需要掌握AI的基本原理。这种跨领域的知识交流和融合是一个持续的过程，需要建立有效的沟通机制和协作平台。此外，还需要开发专门的工具和框架，以促进不同学科背景的专家之间的有效合作，确保AI技术能够真正服务于生物医学研究的需求。

国内外差距或已加大

美国器官芯片研究第Ⅰ期可追溯至2012年，开发最基础的芯片与类器官和细胞；第Ⅱ期研究从2015年开始，将芯片与细胞结合在一起，并与包括葛兰素史克在内的40家药厂发起药物测试合作；第Ⅲ期研究自2017年开始，构建了多种疾病模型，并用药物对疾病模型进行筛选，到2022年第Ⅲ期研究接近尾声。

虽然国内器官芯片行业起步较晚，但是经历了快速发展期。尤其是在2022年下半年，生物科技赛道整体过冬，但多家器官芯片公司接连获得融资，甚至国内也开始有公司牵头制定类器官模型与器官芯片的各项标准。

然而，2023年至2024年来看，国际范围内器官芯片行业的发展进入了新阶段。一方面，欧美器官芯片公司的融资额大增，如老牌类器官与器官芯片公司CN Bio获得2100万美元融资，器官芯片新秀Quris则一举获得2800万美元融资，后者开发的AI驱动"患者芯片"平台是药物开发领域的重大创新，该平台结合人工智能和器官芯片技术，在芯片上模拟个体患者对药物的反应。

而另一家新兴器官芯片公司Vivodyne则是种子轮就一举融资3800万美元。Vivodyne的技术平台能够在数千个功能性人类组织上进行高通量药物测试，并利用AI进行数据分析。且Vivodyne可测试从小分子到先进生物制剂的各种疗法，包括mRNA纳米颗粒和细胞疗法等前沿治疗方式。

另一方面，MNC和欧美器官芯片公司的合作也有所增加。

强生公司深化了与CN Bio Innovations的合作。这项合作主要聚焦于肝脏芯片模型，旨在提高药物诱导肝损伤的预测能力。两家公司一直致力于减少临床前失败，利用与人体相关的器官芯片模型来增强药物代谢研究。

阿斯利康扩大了与Emulate的合作伙伴关系。合作重点是使用Emulate的肝脏和肺部芯片模型进行药物安全测试。这项合作旨在早期解决药物毒性问题。

默克与Hesperos合作，使用多器官平台进行癌症药物测试。这些模型提供了更准确的模拟微环境，使默克能够测试新型癌症疗法的有效性和毒性。值得一提的是，默克重注的的未来新药研发三大关键技术中其中一项就是类器官与器官芯片，另外两项是AI与实验室自动化。

罗氏作为首先尝试类器官与器官芯片的MNC之一，近年来在器官芯片技术领域持续发力，主要聚焦于心脏和肿瘤学应用。例如罗氏与TARA Biosystems合作，利用其"心脏芯片"模型评估药物的心脏毒性。罗氏的类器官研究院也从两年前的50人扩充到了近200位研发人员。

此外赛诺菲、GSK、辉瑞，诺和诺德等等MNC全部都在药物研发中使用类器官与器官芯片技术。此外，FDA联合成立了OASIS Consortium合作组织，其中包括了17家跨国药企和耀速科技在内的8家生物科技公司，共同开发基于AI，多组学，和包括器官芯片在内的多模态的下一代药物肝毒性的评价工具和标准的制定工作。

相比之下，国内近两年器官芯片融资规模较小，使得对这种原创性技术开发的投入相对匮乏。

“充足的资本支持是创业公司进行长期技术研发的必要条件，能够避免被迫陷入追求短期利益的困境。国内较多类器官和器官芯片企业的重心近两年转向销售试剂等相对容易获取收益的领域。这种转变在一定程度上反映了当前融资困难的现实。”有相关行业从业者向动脉网表示。

此外，从MNC的多项合作可以看出，欧美市场的器官芯片技术主要应用于新药研发领域，这反映了其较高的技术水平和制药企业的具体需求。相比之下，国内市场则更多地将类器官技术用于药物敏感性测试等相对成熟的业务领域。

但是国内也不乏先行者，目前已有几款使用器官芯片数据的新药获批进入临床试验。

例如恒瑞医药委托东南大学苏州医疗器械研究院、江苏艾玮得生物科技有限公司开展体外筛选工作，使用人体心脏器官芯片在8个多月的时间内成功筛选了数百种化合物，筛选出的HRS-1893获国家药监局批准进入临床研究。

以及齐鲁制药开发的双特异性抗体肿瘤I类新药注射用QLF3108获得临床许可，目标适应症为晚期实体瘤。在其研发过程中，北京大橡科技有限公司利用自主研发的IBAC O2芯片，构建肿瘤类器官免疫共培养模型，高度还原人体肿瘤免疫微环境，并对QLF3108进行了药效评价，为药物的研发和评估提供了更为有效的方法。

整体来看，未来3至5年预计将出现更多基于器官芯片技术的IND和实际应用案例，特别是在药物安全性评价领域。随着FDA的合作项目接近完成，行业标准和监管准入流程将趋向更加规范化和统一化，为技术应用提供清晰指引。在技术应用方面，基于高通量器官芯片筛选的药物重新定位研究可能会取得突破性进展。

所以，理性看待，非动物技术仍处于初级阶段，仍要依赖传统的手段推动非临床研究的开展。此外，大家也都在积极拥抱创新，希望未来能够通过临床数据及动物数据，更好的去验证非动物技术的可靠性。近两年，器官芯片技术与细胞治疗和肿瘤免疫学的结合将加速相关疗法的市场化进程，为更多创新治疗方案的开发提供有力支持。