一场围绕动物试验的政策转向，正在多国同步展开。英国政府2025年11月提出分阶段淘汰部分动物试验，今年将率先取消皮肤刺激性动物测试，并计划到2030年大幅削减犬类相关研究；美国FDA宣布将在3-5年内让动物试验在药物安全评估中成为“例外而非常规”；欧盟也计划发布化学品安全评估“去动物化”路线图。
推动这场变革的力量，一方面来自伦理与动物福利诉求，另一方面则源于替代技术的迅速成熟。据英国《自然》网站近日报道，一类被称为“新方法学”（NAM）的技术体系，正试图为医学与毒理学研究提供新的“底座”。从芯片器官到类器官，从AI计算模型到虚拟大鼠——这些技术正在重新定义药物研发的未来。
所谓NAM，主要涵盖三大技术路线：芯片器官、类器官以及计算模型。支持者认为，这些基于人类细胞或数据构建的技术，在模拟人体生物学特征、预测新药安全性和有效性方面，可能优于动物模型。
芯片器官：微小通道里的“人体模拟器”
美国哈佛大学怀斯生物启发工程研究所开发的“肝脏芯片”，将人类肝细胞置于微型流体通道中，模拟血液流动环境，用于检测药物是否可能引发肝损伤。相关研究显示，这种芯片对已知肝毒性化合物的识别准确率可达87%，还成功识别出多种在动物试验中“过关”、却在临床阶段暴露风险的药物。2024年，该技术被纳入FDA的创新工具试点项目，未来有望作为部分毒性测试的替代选项。
类器官：培养皿里的“微型器官”
研究人员利用诱导多能干细胞（iPSC）培养出三维微型“器官”，用于模拟疾病进程和药物反应。美国斯坦福大学团队提出“培养皿里的临床试验”理念——从不同患者体内获取iPSC，培养为细胞或类器官，再测试候选药物是否能改善这些“患病模型”的功能。
在2020年一项心力衰竭研究中，这一方法成功锁定了对特定基因突变患者有效的候选药物。其革命性意义在于：有望在进入动物试验甚至人体试验前，就筛掉无效或有害方案，大幅提升研发效率。
AI计算模型：虚拟世界里的“数字动物”
第三类替代方法是计算模型和人工智能。2023年，FDA国家毒理研究中心开发出生成式模型“AnimalGAN”，利用既有动物数据生成“虚拟大鼠”，预测药物毒性表现。在模拟试验中，该模型成功对结构相似药物的肝毒性进行了排序。这类工具的目标，并非简单复制动物试验，而是用数据重建毒理学评估逻辑。
替代方法的应用规模正在快速扩大。统计显示，2006年至2022年间，仅使用NAM的生物医学论文数量从约2.5万篇增长至10万篇。制药企业也开始将类器官与芯片系统纳入研发流程，以期提升临床成功率。
这一趋势的背后，是动物模型在现实中面临的深刻困境。在药物研发中，大量候选药物在动物试验阶段表现良好，却在人体临床试验中失败。数据显示，约86%的候选药物最终未能通过临床验证。以败血症为例，研究人员在啮齿动物模型中开发出100多种前景良好的疗法，但几乎全部在人体试验中失败。
原因何在？人类与啮齿动物免疫系统存在明显差异，而试验小鼠通常基因高度一致、生活环境单一，难以模拟真实人群的复杂性。此外，动物试验本身成本高昂、周期漫长，某些研究还涉及灵长类动物，引发持续伦理争议。
正是基于上述困境，多国政府开始“用脚投票”。
英国在2025年新政策中将动物试验划分为三类：
美国FDA发布路线图，计划减少、优化并替代药物测试中的动物试验，初期重点放在单克隆抗体测试上——因为动物研究既昂贵又难以预测人体反应。NIH则宣布，将不再资助“专门聚焦动物模型”的研究项目，以鼓励更多采用NAM。
然而，替代方法并非万能。有研究人员认为，在可预见的未来，一些动物研究仍不可或缺——如具有复杂血管与神经网络的完整器官、相互作用的内分泌与生殖系统、组织衰老等生物过程，目前难以在类器官或芯片器官中重现。
《自然》杂志指出，真正决定NAM命运的，并非技术概念，而是“验证”。任何模型若想用于药品或化学品审批，必须向国家或国际验证机构提交充分数据，证明其准确、可重复、可推广。不同方法的验证路径差异巨大，往往耗时多年、成本高昂。
为加快进程，英国计划建立替代方法验证中心，NIH也投入数千万美元用于标准化类器官模型开发。
但在监管与科研一线，谨慎情绪依然存在。一些研究者担心，政策口号可能让公众误以为替代技术已全面成熟。事实上，药物临床失败的原因并不只在于动物模型局限，还包括试验设计缺陷、样本量不足等问题——这些同样可能出现在NAM研究中。
目前，多数科学家倾向于“分阶段推进”——在已有成熟替代方案的领域迅速淘汰动物试验，在其他领域逐步减少，并持续投资基础研究。
未来一段时间内，动物试验或许不会完全消失，但其“默认地位”正在动摇。从伦理压力到技术进步，从政策承诺到监管博弈，这场转型远非简单的“取代”故事，而是一场关于科学可靠性与人类责任的再平衡。
当替代方法被要求承担与动物模型同样的严谨标准时，真正的挑战才刚刚开始。但可以确定的是：一个更人道、更精准、更高效的药物研发时代，正在向我们走来。
