目标替代動物的器官晶片，走到哪裡了？

來源：投資界

器官晶片的上次“突飛猛進”大約是在兩年前。2022年，FDA動作頻繁：器官晶片在内的資料被首次用于FDA新藥申請；在FDA和藥企、Biotech公司推動下，從參議院到衆議院，美國國會終于将對動物試驗的非強制性寫進法案。伴随着FDA的幾個大動作，市場情緒一步步高漲。2022年前後也是國内器官晶片開始嶄露頭角的時候，數家器官晶片公司獲得融資。

兩年過去，随着AI浪潮的再次興起，器官晶片的發展出現了巨大的變化，*的變革之一是AI和機器學習的引入。AI被用于分析這些系統産生的海量資料、優化晶片設計、預測細胞行為，并模拟複雜的生物學互相作用。制藥行業在藥物開發過程中對器官晶片模型的信任度有所提升，擴大了合作嘗試範圍。

全球範圍來看，器官晶片越來越像“TechBio”，而不再是單純意義上的“生物技術”。

01 AI已是必選項

AI技術的引入極大提高了器官晶片技術的精準度和效率。AI能夠處理從器官晶片中獲得的大量生物資料，識别複雜的生物反應模式。

器官晶片産生的資料複雜而多樣，包括細胞活性、代謝物水準和電生理信号等。人工智能，尤其是深度學習算法，能夠有效處理這些多元度的資料。AI可以識别出人類難以察覺的微妙模式，比如細胞行為的細微變化。它還能将不同類型的資料，如基因表達、蛋白質水準和代謝物濃度等整合分析，進而得出全面的結論。

此外，AI在異常檢測方面表現出色，能夠識别出與正常狀态偏離的資料點，這可能預示着疾病的早期迹象或藥物的副作用。通過這種全面而深入的資料分析，AI為研究人員提供了前所未有的洞察力，使他們能夠更好地了解複雜的生物系統。

利用機器學習算法，研究人員可以建立複雜的預測模型。這些模型能夠基于曆史資料預測新藥物在器官晶片上的可能反應，大大加速了藥物開發過程。同時，這些模型還可以模拟疾病在器官晶片中的發展過程，預測不同階段的生物标志物變化。更重要的是，AI模型能夠預測藥物或環境因素的長期影響，克服了器官晶片實驗在時間上的限制。

AI系統能夠24小時不間斷地監控器官晶片，這一能力極大地提高了實驗的精确度和可靠性。它可以同時監控多個生理名額，如pH值、氧氣濃度、細胞形态等。當檢測到任何異常時，系統會立即發出警報，使研究人員能夠及時幹預。更先進的AI系統甚至可以根據監控資料自動調整實驗條件，以維持*狀态，使得長期、複雜的實驗變得更加可行和可靠。根據細胞需求，AI能夠動态調整培養基組分和供應速率，確定細胞在*狀态下生長。

此外，AI還可以模拟各種體内刺激，如機械力和電信号，用于研究器官對這些刺激的反應。這種高度自動化和智能化的控制不僅提高了實驗的精确度和可重複性，還使得長期、複雜的實驗變得更加可行。

例如，耀速科技的AI算法能夠自動分析圖像資料，精确預測藥物對器官的作用效果，極大縮短了藥物開發的周期，并提高了實驗結果的可靠性。

耀速科技通過基于細胞形态學AI技術的不斷創新，提出了一系列在計算機視覺和圖像分析領域的應用成果，并在*會議如CVPR（計算機視覺與模式識别會議）、ECCV（歐洲計算機視覺會議）和SBI2（國際生物影像與光學學會）上發表了相關研究成果。這些研究展示了如何使用AI技術進行高通量藥物篩選和器官功能模拟，使得在晶片上進行大規模自動化分析成為可能。

然後，器官晶片技術生成的資料類型繁多且極為複雜，包括時間序列資料、空間資料和多模态資料等。這些資料的異質性和複雜性給AI算法帶來了巨大挑戰。在處理這些資料時，AI系統需要進行複雜的預處理和分析，以確定能夠準确捕捉和解讀資料中蘊含的生物學資訊。例如，時間序列資料可能反映細胞随時間的動态變化，而空間資料則可能揭示細胞間的互相作用。AI算法必須能夠整合這些不同類型的資料，從中提取有意義的模式和洞見。

另外AI模型，尤其是深度學習模型，常常被視為"黑箱"，其決策過程難以了解和解釋。這在生物醫學領域尤其成問題，因為研究人員需要充分了解模型的決策依據，以確定其結果具有生物學意義和可解釋性。是以，開發可解釋的AI模型成為了一個關鍵挑戰。研究人員需要設計能夠提供清晰決策路徑的AI系統，使科學家能夠了解模型是如何得出特定結論的，進而增強對AI輔助研究結果的信任度。

将AI技術與器官晶片系統有效整合需要生物醫學工程師、計算機科學家和臨床醫生之間的密切合作。這種跨學科合作不僅需要在技術層面上實作突破，還需要在方法論和專業語言上達成共識。例如，計算機科學家需要深入了解生物學過程，而生物學家則需要掌握AI的基本原理。這種跨領域的知識交流和融合是一個持續的過程，需要建立有效的溝通機制和協作平台。此外，還需要開發專門的工具和架構，以促進不同學科背景的專家之間的有效合作，確定AI技術能夠真正服務于生物醫學研究的需求。

02 國内外差距或已加大

美國器官晶片研究第Ⅰ期可追溯至2012年，開發最基礎的晶片與類器官和細胞；第Ⅱ期研究從2015年開始，将晶片與細胞結合在一起，并與包括葛蘭素史克在内的40家藥廠發起藥物測試合作；第Ⅲ期研究自2017年開始，建構了多種疾病模型，并用藥物對疾病模型進行篩選，到2022年第Ⅲ期研究接近尾聲。

雖然國内器官晶片行業起步較晚，但是經曆了快速發展期。尤其是在2022年下半年，生物科技賽道整體過冬，但多家器官晶片公司接連獲得融資，甚至國内也開始有公司牽頭制定類器官模型與器官晶片的各項标準。

然而，2023年至2024年來看，國際範圍内器官晶片行業的發展進入了新階段。一方面，歐美器官晶片公司的融資額大增，如老牌類器官與器官晶片公司CN Bio獲得2100萬美元融資，器官晶片新秀Quris則一舉獲得2800萬美元融資，後者開發的AI驅動"患者晶片"平台是藥物開發領域的重大創新，該平台結合人工智能和器官晶片技術，在晶片上模拟個體患者對藥物的反應。

而另一家新興器官晶片公司Vivodyne則是種子輪就一舉融資3800萬美元。Vivodyne的技術平台能夠在數千個功能性人類組織上進行高通量藥物測試，并利用AI進行資料分析。且Vivodyne可測試從小分子到先進生物制劑的各種療法，包括mRNA納米顆粒和細胞療法等前沿治療方式。

另一方面，MNC和歐美器官晶片公司的合作也有所增加。

強生公司深化了與CN Bio Innovations的合作。這項合作主要聚焦于肝髒晶片模型，旨在提高藥物誘導肝損傷的預測能力。兩家公司一直緻力于減少臨床前失敗，利用與人體相關的器官晶片模型來增強藥物代謝研究。

阿斯利康擴大了與Emulate的合作夥伴關系。合作重點是使用Emulate的肝髒和肺部晶片模型進行藥物安全測試。這項合作旨在早期解決藥物毒性問題。

默克與Hesperos合作，使用多器官平台進行癌症藥物測試。這些模型提供了更準确的模拟微環境，使默克能夠測試新型癌症療法的有效性和毒性。值得一提的是，默克重注的的未來新藥研發三大關鍵技術中其中一項就是類器官與器官晶片，另外兩項是AI與實驗室自動化。

羅氏作為首先嘗試類器官與器官晶片的MNC之一，近年來在器官晶片技術領域持續發力，主要聚焦于心髒和惡性良性腫瘤學應用。例如羅氏與TARA Biosystems合作，利用其"心髒晶片"模型評估藥物的心髒毒性。羅氏的類器官研究院也從兩年前的50人擴充到了近200位研發人員。

此外賽諾菲、GSK、輝瑞，諾和諾德等等MNC全部都在藥物研發中使用類器官與器官晶片技術。此外，FDA聯合成立了OASIS Consortium合作組織，其中包括了17家跨國藥企和耀速科技在内的8家生物科技公司，共同開發基于AI，多組學，和包括器官晶片在内的多模态的下一代藥物肝毒性的評價工具和标準的制定工作。

相比之下，國内近兩年器官晶片融資規模較小，使得對這種原創性技術開發的投入相對匮乏。

“充足的資本支援是創業公司進行長期技術研發的必要條件，能夠避免被迫陷入追求短期利益的困境。國内較多類器官和器官晶片企業的重心近兩年轉向銷售試劑等相對容易擷取收益的領域。這種轉變在一定程度上反映了目前融資困難的現實。”有相關行業從業者向動脈網表示。

此外，從MNC的多項合作可以看出，歐美市場的器官晶片技術主要應用于新藥研發領域，這反映了其較高的技術水準和制藥企業的具體需求。相比之下，國内市場則更多地将類器官技術用于藥物敏感性測試等相對成熟的業務領域。

但是國内也不乏先行者，目前已有幾款使用器官晶片資料的新藥獲批進入臨床試驗。

例如恒瑞醫藥委托東南大學蘇州醫療器械研究院、江蘇艾玮得生物科技有限公司開展體外篩選工作，使用人體心髒器官晶片在8個多月的時間内成功篩選了數百種化合物，篩選出的HRS-1893獲國家藥監局準許進入臨床研究。

以及齊魯制藥開發的雙特異性抗體惡性良性腫瘤I類新藥注射用QLF3108獲得臨床許可，目标适應症為晚期實體瘤。在其研發過程中，北京大橡科技有限公司利用自主研發的IBAC O2晶片，建構惡性良性腫瘤類器官免疫共培養模型，高度還原人體惡性良性腫瘤免疫微環境，并對QLF3108進行了藥效評價，為藥物的研發和評估提供了更為有效的方法。

整體來看，未來3至5年預計将出現更多基于器官晶片技術的IND和實際應用案例，特别是在藥物安全性評價領域。随着FDA的合作項目接近完成，行業标準和監管準入流程将趨向更加規範化和統一化，為技術應用提供清晰指引。在技術應用方面，基于高通量器官晶片篩選的藥物重新定位研究可能會取得突破性進展。

是以，理性看待，非動物技術仍處于初級階段，仍要依賴傳統的手段推動非臨床研究的開展。此外，大家也都在積極擁抱創新，希望未來能夠通過臨床資料及動物資料，更好的去驗證非動物技術的可靠性。近兩年，器官晶片技術與細胞治療和惡性良性腫瘤免疫學的結合将加速相關療法的市場化程序，為更多創新治療方案的開發提供有力支援。

【本文由投資界合作夥伴動脈網授權釋出，本平台僅提供資訊存儲服務。】如有任何疑問，請聯系（[email protected]）投資界處理。