First in Human 预测：从临床前到临床的跨越
引言
First in Human (FIH) 试验，即首次人体试验，是药物研发过程中一个至关重要的里程碑。它标志着新药从实验室走向临床应用的开始，也是整个药物开发过程中风险最高的阶段之一。如何准确预测 FIH 试验的起始剂量和预期效果，一直是药物研发领域面临的重大挑战。
什么是 First in Human 试验？
FIH 试验是指新药在完成充分的临床前研究后，首次在健康志愿者或患者身上进行的临床试验。其主要目标是：
- 评估安全性：确定新药在人体内的安全性和耐受性
- 表征药代动力学（PK）：了解药物在人体内的吸收、分布、代谢和排泄过程
- 探索药效学（PD）：初步观察药物对靶点的作用和治疗效果
- 确定后续试验剂量：为 II 期和 III 期临床试验提供剂量选择依据
FIH 预测的核心挑战
1. 种属差异
不同动物物种之间，以及动物与人类之间的生理、生化和遗传差异，使得从动物数据外推到人类变得复杂。例如：
- 药物代谢酶的活性和表达差异
- 蛋白结合率的差异
- 靶点敏感性的差异
2. 预测模型的不确定性
现有的预测模型（如异速增长模型、PBPK 模型等）都存在一定的不确定性，特别是对于：
- 首过效应显著的药物
- 转运体介导的药物
- 生物技术药物（大分子）
FIH 预测的关键方法
1. NOAEL 方法
传统上，最常用的方法是使用未见不良反应剂量（No Observed Adverse Effect Level, NOAEL）：
1 | 人体等效剂量 (HED) = 动物NOAEL × (动物体重/人体体重)^(0.33) |
然后应用安全因子（通常为 10）来确定 FIH 起始剂量。
2. MABEL 方法
对于高风险的生物制品，最小预期生物效应剂量（Minimum Anticipated Biological Effect Level, MABEL）方法更为推荐：
- 基于药效学模型预测产生靶点效应的最小剂量
- 考虑受体占有率、下游信号激活等指标
- 更适合单克隆抗体等生物制剂
3. PBPK 建模
生理药代动力学模型能够：
- 整合生理、生化和药物属性数据
- 预测不同组织和器官中的药物浓度
- 考虑特殊人群（如肝肾功能不全患者）的剂量调整
4. PK/PD 建模
药代动力学-药效学模型可以：
- 预测剂量-暴露-效应关系
- 识别生物标志物与临床终点的关系
- 优化给药方案
最佳实践建议
多策略综合评估：结合多种预测方法，而非依赖单一方法
早期暴露评估：在临床前阶段尽早进行 PK/PD 研究
受体药理学研究：深入了解靶点特异性和跨物种保守性
灵活的试验设计：采用适应性设计，根据实时数据调整剂量
监管机构沟通：在试验前与 FDA、EMA 等机构充分沟通
未来展望
随着新技术的发展，FIH 预测正变得更加精准：
- 器官芯片技术：提供更接近人体的体外模型
- 人工智能/机器学习：从海量数据中识别预测模式
- 基因组学应用：考虑个体基因差异对药物反应的影响
- 微剂量试验：使用亚治疗剂量进行早期 PK 评估
结语
First in Human 预测是药物研发中科学与艺术的结合。虽然我们无法完全消除这一阶段的不确定性，但通过合理运用现有的预测工具和方法，可以最大限度地降低风险，提高成功率。随着科学技术的进步，我们有理由相信，FIH 预测将变得更加精准和可靠。
参考资料
- FDA Guidance for Industry: Estimating the Maximum Safe Starting Dose in Initial Clinical Trials for Therapeutics in Adult Healthy Volunteers (2005)
- EMA Guideline on strategies to identify and mitigate risks for first-in-human clinical trials with investigational medicinal products (2017)
- guidance from the International Council for Harmonisation (ICH)
本文仅用于学术交流，不构成医疗建议。实际药物开发请遵循相关法规和指南。