|
首页
>
资讯
>
FDA 受理首个 AI 新方法学工具：数字肝脏模型预测 DILI
出自识林
FDA 受理首个 AI 新方法学工具：数字肝脏模型预测 DILI
2026-06-10
6月3日，FDA药品审评与研究中心（CDER）发布公告，宣布受理首个AI药物开发工具（DDT）意向书（LOI）。该DDT是AI驱动的数字肝脏模型，作为新方法学（NAM）的一种，与FDA优化药物开发同时最大限度减少动物使用的愿景一致。其通过利用AI将小分子新药候选物化学结构与已知药物性肝损伤（DILI）风险的参照药物进行对比，以预测DILI风险，作为权重证据方法（WoE）的一部分补充其他风险评估。
DILI是药物开发中特别重要的安全性关切之一，也是临床试验终止和临床期间药物遭淘汰的主要原因。FDA在公告中明确指出，现有模型不能准确识别人类DILI风险。
受理LOI是三步DDT资格认证流程的第一步。接下来DDT申办者需提交认证计划（QP），最后提交完整资格认证包。成功通过资格认证后，药企申办者可在指定使用场景（COU）下使用该DDT，补充现有非临床数据，并支持在启动I期临床试验前做出更明智决策。
FDA并非首次认证AI工具，此前已经认证“基于AI的非酒精性脂肪性肝炎组织学测量系统”（AIM-NASH）。此次DDT是在创新药物科学技术方法（ISTAND）计划下受理的。ISTAND计划专为不适合既定途径的DDT开辟认证路径，包括生物标志物和临床结果评估工具。
看“意向受理函”：一个AI NAM工具将如何通过FDA认证
从公告页面可跳转到FDA的“意向受理函”（LOI Determination Letter）可以了解FDA对于AI工具认证的具体技术要求，具有相当参考价值。值得注意的是，FDA多次使用“验证”一词。
FDA要求申办者在QP中解决每个具体考虑、建议以及数据请求。随着DDT开发工作完善，申办者提交的数据、COU细节和验证研究设计将最终确定哪些考虑和建议最适用。
下面摘录FDA受理函中的部分要求或建议，供参考：
- 开展分析性验证：在QP中说明如何对模型进行分析性（analytically validate）验证，并提供数据。验证应包括评估性能特征，如准确性、输出预测值、模型重复性和再现性。
- 置信度阈值：描述置信度计算方法。申办者需明确，置信度是模型预测指标，还是指示用于预测的历史数据数量和质量。FDA建议考虑开发置信度分数阈值，低于该阈值的结果将被视为无效。
- 统计分析计划（SAP）：SAP应包含在QP中，提供关于数据源、AI模型以及模型训练和验证策略的全面细节。申办者需详细描述AI模型，包括输入输出、方法论框架、调整参数和调整策略，以及SAP中所有参数和性能指标的明确定义。
- 可解释性：输出应提供可解释性结果，确定特征在整体毒性特征中的贡献。FDA建议申办者可以考虑优化信息，即根据某项特征过去数据识别可能发生的肝毒性类型，以便在临床试验期间进行更好的机制研究和观察。
- 模型的变更管理：说明模型是固定模型还是将随时间更新。如果更新，描述变更类型和方式。
作者：识林-实木
识林®版权所有，未经许可不得转载
【文件概要】
该文件宣布FDA药物评价与研究中心（CDER）在ISTAND计划下接受首个基于人工智能的数字肝脏模型作为药物开发工具（DDT），用于预测药物性肝损伤（DILI）。该工具通过对比候选药物与已知DILI风险药物的化学结构，利用计算模型补充现有临床前数据，支持更早阶段的毒性风险评估。其开发符合FDA推动3R原则（替代、减少和优化动物实验）的目标，旨在优化药物开发流程并加速安全有效疗法的上市。该工具若通过后续资格认证步骤（包括提交资格计划和完整资料），制药企业可在新药研发中用于小分子候选药物的DILI风险预测，辅助I期临床试验前的决策制定。 【适用范围】
本文适用于从事小分子创新药研发的制药企业（包括Biotech和跨国药企）及CRO/CDMO机构，涉及临床前毒理学评估与计算建模领域，主要监管适用范围为美国FDA监管框架下的新药申请（IND/NDA）。 【影响评估】
本文可能显著减少企业对传统动物实验的依赖，降低研发成本与周期，但需投入资源验证计算模型的可靠性。对早期研发决策和临床前安全性评估流程将产生结构性影响，需同步调整内部验证标准与跨部门协作机制。 【实施建议】
必读岗位： - 毒理学团队：需评估模型与现有实验数据的互补性，制定整合方案。
- 计算化学/AI团队：对接模型算法，优化内部化合物库筛选流程。
- 注册事务：跟踪ISTAND资格认证进展，规划未来申报策略。
- 临床开发：结合模型结果调整I期试验风险监测方案。
以上仅为部分要点，请阅读原文，深入理解监管要求。 |
