Cell 综述:类器官与 AI 技术重塑药物研发全链条研究进展

据公开数据显示，传统新药研发平均投入高达 26 亿美元，单款药物研发周期长达 10 年，而整体研发成功率仅不足 10%，其中临床阶段失败率更是制约行业发展的关键瓶颈。这一困境背后，不仅是传统模型无法精准复现人体组织微环境、疾病病理机制与药物应答反应的本质局限，更缺乏一套统一的技术体系指导新型研发方法的落地应用。在此背景下，以NAMs 为框架、类器官 + AI 为核心载体的新型研发体系，成为全球生物医药领域的迫切需求。

Timeline of transformative shifts in drug discovery

人源类器官：复刻人体器官，搭建 NAMs 框架下精准研究桥梁

人源类器官是由人类干细胞自组织形成的三维多细胞结构，高度模拟人体器官结构、功能与疾病特征，是连接体外与体内的关键桥梁。在 NAMs 框架下，类器官构建、培养、检测均遵循标准化流程，保障结果可重复与准确。数据显示，人源类器官与人体原位组织相似度达90% 以上；患者来源类器官（PDO）对治疗反应预测准确率83%–88%，覆盖肝癌、肺癌、结直肠癌等主流癌种。血管化肝类器官代谢相似度达85%，中脑类器官、视网膜类器官已进入临床前 / 临床阶段。

NAMs at the multicellular level: Organoid platforms for human tissue modeling

AI 赋能：算力驱动，NAMs 框架下实现研发全流程数据化升级

AI 在 NAMs 框架下为类器官提供标准化算力支撑，推动研发从 “经验依赖” 转向 “数据驱动”，贯穿靶点发现、虚拟筛选、表型量化、转化预测全链条。靶点筛选周期从 6–12 个月缩短至 1–2 个月，准确率 ≥75%；深度学习模型单日可完成10 万亿次分子配对计算，提速百万倍；肝损伤 AI 识别准确率82.34%，非肝毒性识别率90.16%；结合 PBPK/PD 模型，转化预测误差缩小至10% 以内 。

NAMs at the in silico level: Workflows for predictive drug discovery

NAMs 框架下，类器官与 AI 协同重塑研发全链条，实现效率、成功率、安全性三重突破。靶点验证降低失败风险30%–40%；高通量筛选通量达10,000+ 化合物，效率提升5–10 倍；毒性预测准确率提升20%–30%；临床试验响应率提升15%–20%，整体研发成功率从 <10% 提升至 20%–25%。

Integrated pipeline for human-centric drug discovery using NAMs

综述展望，NAMs 体系将持续完善，器官芯片、多类器官共培养、免疫微环境建模结合 AI，将进一步逼近人体真实应答。监管层面，未来 5–10 年，NAMs 驱动的人源模型在安全性评价中占比将从15% 提升至 50% 以上，研发成本降低60% 以上，推动药物研发走向更高效、更伦理、更可及的新阶段。标志着药物研发正式迈入人类中心时代，以 NAMs 为规范、以类器官与 AI 为引擎，将全面重塑生物医药创新格局。