Advanced drug delivery reviews
体外患者肿瘤组织功能测试指导脑肿瘤治疗
小赛推荐：
文章提出利用人源化实验室模型（HBLMs）和离体患者肿瘤组织进行药物敏感性测试，作为改进脑肿瘤药物开发管线的新策略。该方法响应FDA逐步淘汰动物实验的政策，有助于提高临床前试验的预测准确性，降低临床试验失败率。
文献概述
本文《Informing development of brain cancer therapies within 'preclinical trials' using ex vivo patient tumors》，发表于Advanced drug delivery reviews杂志，回顾并总结了当前脑肿瘤药物开发中的挑战，提出将功能精准医学（FPM）引入临床前试验，以提高药物筛选的临床相关性。文章强调，脑肿瘤药物开发成功率低，部分原因在于传统模型无法准确模拟肿瘤异质性和血脑屏障（BBB）的药物渗透性。通过使用患者来源的肿瘤组织进行离体药物测试，可更早识别非响应者及耐药机制，从而优化临床试验设计。背景知识
脑肿瘤是癌症致死率最高的疾病之一，尤其在儿童和65-74岁人群中的死亡率显著偏高。传统药物开发依赖于体外细胞系和动物模型，但这些模型在预测人体反应方面表现不佳，导致临床试验失败率高达90%。功能精准医学（FPM）通过直接在离体患者肿瘤组织上测试药物敏感性，提供个性化治疗建议。文章指出，尽管基因组和分子标志物在精准医学中广泛应用，但其在脑肿瘤中的预测效果有限，部分原因在于肿瘤异质性和耐药机制未被充分考虑。此外，血脑屏障的存在使许多药物难以进入中枢神经系统，进一步加大药物开发难度。因此，建立更贴近临床现实的临床前测试模型成为当前研究热点。
研究方法与实验
文章回顾了当前脑肿瘤药物开发的主流模型，包括传统细胞培养、动物模型、人源化模型（HBLMs）和类器官模型，并分析其在预测药物疗效和毒性方面的局限性。作者提出“临床前试验”（preclinical trials）新范式，即在进入临床试验前，使用大量患者来源的离体肿瘤组织进行药物敏感性测试，以评估药物在不同人群中的疗效和毒性。该方法可整合功能药物反应数据，建立伴随诊断和预测性生物标志物，从而提升临床试验成功率。此外，文章还讨论了利用微流控芯片和人工智能模拟药物药代动力学及血脑屏障穿透能力的研究进展。关键结论与观点
研究意义与展望
文章提出，将FPM纳入临床前试验可提高候选药物的筛选质量，减少后期临床失败风险。此外，伴随诊断和患者分层策略可显著提升临床试验的成功率。未来，结合人工智能、微流控芯片和离体模型的多模态分析，将推动更精准的脑肿瘤药物开发，并加速FDA批准。
结语
本文系统分析了脑肿瘤药物开发中的主要障碍，强调传统模型的局限性，并提出以患者来源的离体肿瘤组织为基础的功能精准医学（FPM）和人源化实验室模型（HBLMs）作为替代策略。这种“临床前试验”模式不仅符合FDA逐步淘汰动物实验的政策，也为个性化药物筛选和伴随诊断开发提供了新方向。通过更早识别非响应患者和耐药机制，该方法有望显著提升临床试验成功率，为脑肿瘤患者带来更有效的治疗选择。
