过去十年,肿瘤免疫治疗领域经历了从PD-1抑制剂的辉煌到大量联合疗法临床失败的巨大落差。 本文以IDO1抑制剂六次集体失败为切入点,深入剖析"药物中心"开发逻辑的根本局限, 提出"微环境中心"的五项核心转变,并结合FDA 2025年最新监管动向和新型评估工具的崛起, 为下一代免疫检查点抑制剂的开发提供可操作的策略框架。
过去十年,肿瘤免疫治疗领域烧掉了数百亿美元的研发投入,却在一次又一次的III期临床失败中陷入沉默。IDO1抑制剂、TIGIT抗体、LAG-3联合方案……每一个在动物模型中"完美"的靶点,都在人体中遭遇了无法解释的溃败。问题出在哪里?本文认为,根源不在于靶点的选择,而在于整个药物开发体系的底层逻辑——我们长期用一种"药物中心"的思维来解决一个本质上是"微环境中心"的问题。
一个被反复忽视的数字:5.3%
2021年,美国生物技术创新组织(BIO)发布了一份覆盖2011至2020年间超过6000个临床项目的分析报告。报告显示,肿瘤免疫治疗药物从Phase I进入最终获批的总体成功率,仅为5.3%——这是整个肿瘤学领域最低的转化效率之一。
这个数字本身并不令人意外。真正令人不安的是另一组数据:2024年4月,美国癌症研究协会(AACR)发布的一项分析显示,在通过FDA加速审批通道上市的肿瘤药物中,超过五年后仍有57%未能在确认性试验中证明真实的临床获益。换句话说,有相当比例的药物在凭借替代终点获批后,始终未能证明它们真正延长了患者的生命。
这两组数字叠加在一起,描述的是同一个困境:我们在用越来越精密的工具,反复验证一套越来越难以外推到人体的临床前假设。问题的根源,在于"药物中心"思维的根深蒂固。
图1:肿瘤学临床开发各阶段成功率(Likelihood of Approval, LOA)。肿瘤免疫治疗药物整体LOA仅约5.3%,是所有治疗领域中转化效率最低的方向之一。
来源:Wong et al. Nature Biotechnology; BIO Clinical Development Success Rates Report 2021
"药物中心"思维的核心假设及其局限
所谓"药物中心"的药物开发逻辑,建立在一个看似合理的假设之上:找到一个在肿瘤细胞上高度表达、且在正常细胞上低表达的靶点,设计一个能够精准阻断该靶点的分子,肿瘤就会被消灭。
这套逻辑在靶向治疗时代取得了真实的成功——伊马替尼对BCR-ABL的精准打击、曲妥珠单抗对HER2的靶向阻断,都是这一逻辑的胜利。然而,当这套逻辑被移植到肿瘤免疫治疗领域时,它开始在这一领域内持续失效。
原因在于,免疫治疗的本质不是"杀死肿瘤细胞",而是"重新激活免疫系统对肿瘤的识别和清除"。而这一过程发生的场所,不是血液中的游离分子,也不是体外培养皿里的肿瘤细胞系,而是一个极度复杂、高度动态、充满细胞间对话的肿瘤微环境(TME)。
肿瘤微环境包含了肿瘤细胞、T细胞、NK细胞、巨噬细胞、树突状细胞、癌相关成纤维细胞(CAFs)、内皮细胞,以及由这些细胞共同编织的细胞因子网络、代谢竞争关系和物理屏障。在这个环境中,任何单一靶点的阻断,都可能触发整个网络的重新平衡——而这种重新平衡,往往以我们意想不到的方式抵消了药物的预期效果。IDO1抑制剂Epacadostat的失败,是理解这一逻辑的最佳切入点。
Epacadostat:一次教科书级别的"靶点正确,体系失败"
2018年,Incyte公布ECHO-301/KEYNOTE-252 III期临床试验结果:Epacadostat联合Pembrolizumab对比Pembrolizumab单药,在晚期黑色素瘤中未能改善无进展生存期(HR=1.00)。这一结果令整个行业震惊,因为IDO1在肿瘤微环境中介导色氨酸代谢抑制T细胞的机制是真实存在的,Epacadostat对IDO1酶活性的抑制也是有效的。那么,为什么失败了?
深入的机制研究揭示了至少五个层次的原因,每一个都指向同一个核心问题:我们在错误的体系中验证了正确的生物学假说。
第一层:物种差异导致药效被持续高估。 Epacadostat对人类IDO1的IC₅₀约为10 nM,而对小鼠IDO1的IC₅₀约为54-88 nM。这意味着在小鼠模型中产生显著效果的剂量,换算到人体后实际上可能无法在肿瘤微环境内部达到有效的IDO1抑制浓度。更关键的是,ECHO-301中Epacadostat的血浆浓度数据显示,药物在外周血中确实达到了IDO1抑制所需的浓度,但在肿瘤组织内部的实际浓度从未被系统评估。我们在错误的地方测量了正确的指标。
第二层:IDO1的非酶功能被完全忽略。 2023年,Frontiers in Immunology发表的研究揭示,IDO1除了催化色氨酸降解的酶活性之外,还具有独立的信号转导功能——即使其酶活性被完全抑制,IDO1蛋白本身仍可通过与免疫抑制性树突状细胞(pDC)的相互作用,维持甚至增强局部的免疫抑制状态。Epacadostat只针对酶活性设计,对这一非酶功能没有任何干预能力。
第三层:TDO2/IDO2旁路的补偿激活。 IDO1被抑制后,肿瘤细胞和基质细胞会上调TDO2(色氨酸-2,3-双加氧酶)和IDO2的表达,维持犬尿氨酸通路的持续激活。在小鼠IDO1基因敲除模型中,这种补偿效应因为实验设计的特殊性而被人为弱化;但在人类患者中,TDO2和IDO2的基础表达水平更高,补偿能力更强。
第四层:IL4I1介导的AhR通路旁路激活。 2020年,Cell发表的研究证明,IL4I1(白细胞介素-4诱导基因1蛋白)是比IDO1/TDO2更强效的AhR(芳烃受体)激活剂,且其表达被PD-1抑制剂诱导上调。这意味着Epacadostat与Pembrolizumab的联合,可能在抑制IDO1的同时,通过Pembrolizumab诱导IL4I1上调,反而维持了AhR通路的激活——两种药物之间存在"诱导性补偿"关系,而这一关系在临床前阶段从未被评估。
第五层:患者分层工具的缺失。 ECHO-301在没有建立有效IDO1患者分层工具的情况下就启动了大规模III期试验。事后分析显示,IDO1在不同患者的肿瘤微环境中表达水平差异极大,且IDO1表达水平与患者对Epacadostat的应答之间存在显著相关性——但这一相关性在ECHO-301的入组标准中从未被系统评估,导致真实的获益信号(如果存在的话)被大量IDO1低表达患者的数据所稀释。
六次失败,同一个错误:IDO通路抑制剂的集体溃败
Epacadostat的失败并非孤例。截至2026年,进入临床开发阶段的IDO通路抑制剂共有十余种,其中已有明确临床结果的六个主要药物均未能在随机对照试验中证明显著获益。
Indoximod(NLG-8189,NewLink Genetics)是最早进入临床的IDO通路抑制剂,其作用机制是色氨酸类似物而非直接的IDO1酶活性抑制剂。在胰腺癌Phase II试验中,Indoximod联合化疗的中位OS(10.9个月)与历史对照相比并无显著改善。其最根本的问题在于,作为色氨酸类似物,Indoximod的确切分子靶点和作用机制至今仍存在争议,这使得任何基于机制的患者分层都无从建立。
Navoximod(GDC-0919,Roche/Genentech)提供了最具戏剧性的反例:在Phase I试验中,外周血色氨酸/犬尿氨酸比值(Trp/Kyn ratio)显著改善,证明IDO1在外周血层面确实被有效抑制;但在Phase Ib联合Atezolizumab的试验中,ORR仅为6%,与Atezolizumab单药历史数据相比毫无改善。这一案例清晰地证明了"外周血PK/PD指标改善≠肿瘤微环境内功能性效果"——我们在错误的地方测量了正确的指标。
Linrodostat(BMS-986205,Bristol-Myers Squibb)是迄今为止最大规模的IDO1抑制剂临床项目之一,联合Nivolumab在多个瘤种中进行了评估。2023年,BMS宣布终止Linrodostat在膀胱癌中的Phase III试验(RELATIVITY-098),原因是期中分析显示联合组相比Nivolumab单药无显著获益。
这六次失败的共同模式,揭示了一个行业层面的结构性问题:每一次失败都在重复同样的错误——在没有建立有效患者分层工具、没有评估补偿通路激活、没有验证肿瘤内功能性效果的情况下,就推进到了大规模III期试验。
不只是IDO:检查点抑制剂领域的更广泛困境
IDO抑制剂的失败只是冰山一角。如果将视野扩展到整个免疫检查点领域,可以看到一个更令人不安的规律:越是在小鼠模型中表现出"完美协同"的联合策略,越容易在人体中遭遇意外的失败。
TIGIT抗体的集体失败是另一个典型案例。Tiragolumab(罗氏)在Phase II(CITYSCAPE)中联合Atezolizumab显示出令人振奋的ORR改善(37% vs 21%),但在Phase III(SKYSCRAPER-01)中彻底失败(HR=1.27,联合组反而更差)。Vibostolimab(默沙东)、Domvanalimab(Arcus)等TIGIT抗体也相继遭遇类似命运。
事后机制研究揭示,TIGIT抗体失败的真正原因之一,是其Fc活性域介导的"NK细胞自相残杀"效应:带有Fc活性域的抗TIGIT抗体在试图清除TIGIT+耗竭T细胞的同时,也触发了对活化TIGIT+ NK细胞的ADCC杀伤,反而耗尽了本应发挥抗肿瘤作用的NK细胞。这一机制在小鼠模型中因小鼠NK细胞与人类NK细胞的TIGIT表达差异而无法被预测。
图2:SKYSCRAPER-01 III期试验PFS曲线。Tiragolumab联合Atezolizumab(蓝线)对比Atezolizumab单药(红线),联合组PFS不仅未改善,HR=1.27(联合组更差)。这是TIGIT抗体"NK细胞自相残杀"机制在临床层面的直接体现。
来源:Cho et al. AACR 2025; JAMA Oncology
LAG-3抑制剂Relatlimab联合Nivolumab(RELATIVITY-047)是少数成功的案例,但其获益也仅限于特定的PD-L1和LAG-3双阳性患者亚群,整体人群的获益幅度远小于临床前预测。
这些案例共同指向一个结论:肿瘤微环境的免疫抑制是一个高度冗余、高度动态的网络,而非一条可以被单一节点阻断的线性通路。 任何忽视这一网络复杂性的临床前评估体系,都注定会不断产生误导性的阳性信号。
"微环境中心"思维的核心转变
那么,"微环境中心"的药物开发逻辑意味着什么?它与"药物中心"逻辑的根本区别,体现在以下五个维度。
第一,从"靶点验证"到"网络韧性评估"。 在"微环境中心"逻辑中,靶点验证必须回答一个更难的问题:当这个靶点被阻断后,肿瘤微环境网络会如何重新平衡?哪些补偿通路会被激活?这种重新平衡是否会抵消甚至逆转药物的预期效果?这要求临床前评估体系具备捕捉"网络韧性"的能力——即在药物干预后,逐层监测至少三个层次的补偿通路激活情况。这是传统小鼠模型和2D细胞培养体系无法提供的信息。
第二,从"外周血指标"到"肿瘤内功能性终点"。 Navoximod的案例清晰地揭示了这一问题:外周血中的色氨酸/犬尿氨酸比值改善,不等于肿瘤微环境内部的免疫抑制被解除。"微环境中心"的评估逻辑要求,药物的功能性终点必须在肿瘤组织内部进行验证,而非仅依赖外周血替代指标。
第三,从"均一模型"到"患者异质性还原"。 传统小鼠模型的一个根本缺陷,是其免疫背景的高度均一性——同一品系的小鼠具有几乎相同的免疫细胞亚群比例、趋化因子受体表达模式和MHC分子多态性。而人类患者群体的免疫背景是极度异质的,这种异质性直接决定了同一药物在不同患者中的截然不同的反应。空间转录组学的最新研究揭示,即使在同一个肿瘤内部,不同区域的微环境也可能呈现出截然不同的免疫表型——有些区域是T细胞活跃浸润的"热区",有些区域是T细胞被物理屏障排斥在外的"冷区",有些区域则是T细胞存在但功能完全耗竭的"无效区"。
第四,从"无差别入组"到"生物标志物驱动的患者分层"。 ECHO-301和SKYSCRAPER-01的失败,有一个共同的设计缺陷:在没有建立有效患者分层工具的情况下,就启动了大规模的III期随机对照试验。"微环境中心"的开发逻辑要求,患者分层工具的开发必须与药物开发同步进行,而非作为事后分析。
第五,从"单时间点评估"到"动态微环境监测"。 传统临床前评估的另一个盲点,是将肿瘤微环境视为一个静态的状态,而非一个随时间动态演化的过程。在PD-1抑制剂治疗后出现的"超进展"(Hyperprogression)现象,正是这种动态重塑的极端表现:约10-15%的患者在接受PD-1抑制剂治疗后,肿瘤不仅没有缩小,反而出现了加速增长。
监管层面的信号:FDA正在用行动表明立场
2025年4月10日,FDA发布了一项具有历史意义的官方声明:计划在3至5年内将动物测试变为"例外而非常规",并明确将类器官(organoids)和器官芯片(organ-on-chip)系统列为优先推广的替代评估方法。
FDA局长Martin A. Makary在声明中直接表示:"通过利用AI计算模型、基于人类器官的实验室测试和真实世界人体数据,我们可以更快速、更可靠地将更安全的治疗方案送达患者,同时降低研发成本和药品价格。"
从监管实践层面来看,FDA已于2024年接受了基于器官芯片技术预测药物诱导性肝损伤(DILI)的数据,并在2025年进一步扩大了对NAM数据的接受范围。对于提交了强有力非动物测试安全数据的企业,FDA承诺提供简化审查通道。这意味着,"微环境中心"的评估逻辑不再只是学术界的倡导,而正在成为监管层面的现实要求。
图3:HARMONi-2 III期试验PFS曲线。Ivonescimab(PD-1/VEGF双抗)对比Pembrolizumab,PFS HR=0.51(p<0.0001),中位PFS 11.14 vs 5.82个月。这是"微环境中心"策略的代表性成功案例——通过同时阻断PD-1和VEGF,重塑肿瘤血管和免疫微环境,而非单纯阻断单一免疫检查点。
来源:Shen et al. The Lancet, 2024. DOI: 10.1016/S0140-6736(24)01029-4
新型评估工具的崛起:三条技术路径
在"微环境中心"思维的驱动下,三类新型临床前评估工具正在快速成熟,并逐步进入药物开发的主流流程。
路径一:患者来源类器官(PDO)共培养体系。 患者来源类器官(PDO)是直接从患者手术切除或活检样本中培养的三维微型肿瘤结构,保留了患者肿瘤的遗传特征、组织学结构和部分微环境成分。当PDO与免疫细胞(T细胞、NK细胞、巨噬细胞)进行共培养时,可以在体外重建肿瘤-免疫细胞相互作用的核心场景。PDO共培养体系的核心优势,在于它保留了患者肿瘤的个体特异性——同一种药物在不同患者来源的PDO中可能产生截然不同的反应,这种差异直接反映了患者间的真实异质性,而非实验误差。
图4:全球类器官市场收入预测(2023-2034年)。2025年市场规模已达18亿美元,预计2034年将增长至62亿美元(CAGR 14.7%)。这一增长趋势直接反映了行业对"微环境中心"评估工具的快速采纳。
来源:Towards Healthcare Market Research Report, 2024
路径二:微流控器官芯片(Organ-on-Chip)。 微流控器官芯片通过在微米级通道中构建具有动态流体环境的细胞培养系统,能够模拟肿瘤微环境中的血管灌注、间质液压、氧气梯度和细胞间物理相互作用。与静态类器官相比,器官芯片更能还原肿瘤微环境的动态特性——包括T细胞在血管内皮上的滚动、黏附和跨内皮迁移过程,以及药物在肿瘤组织内的渗透动力学。器官芯片在TIGIT抗体的机制研究中已显示出独特价值:通过在芯片中重建肿瘤血管-免疫细胞界面,研究者能够实时观察不同Fc工程设计的TIGIT抗体对NK细胞活性的差异性影响,这是在小鼠模型中根本无法实现的实验设计。
路径三:AI驱动的多组学生物标志物整合。 空间转录组学、单细胞多组学和质谱免疫肽组学(Immunopeptidomics)的快速发展,正在为肿瘤微环境的精细解析提供远超以往的空间分辨率。2026年发表于Cell Reports Medicine的泛癌种空间转录组分析揭示,肿瘤空间微环境(TSME)的异质性是驱动药物耐药的核心因素,且这种异质性在不同患者之间存在可被量化的规律性特征。将这些高维度的微环境数据与AI算法结合,可以在临床前阶段就预测特定患者亚群对特定联合疗法的应答概率,从而在进入临床试验之前完成患者分层假设的计算验证。
对中国创新药企出海的具体影响
这一转变对正在积极推进出海战略的中国创新药企,具有特别紧迫的现实意义。中国免疫肿瘤学管线的一个结构性特点,是高度集中于PD-1/PD-L1通路及其联合策略。在这一赛道上,国内已有超过十个PD-1/PD-L1抗体获批,且大量处于临床阶段的联合方案正在寻求出海机会。然而,FDA对这类联合方案的审查标准正在快速提高:在没有充分生物标志物分层数据的情况下,仅凭中国单一人群的临床数据,越来越难以获得FDA的快速通道认定。
2024年,FDA在多个场合明确表示,对于缺乏机制性生物标志物数据支撑的免疫联合方案,将要求申请方提供更详细的肿瘤微环境分析数据,以证明联合策略的生物学合理性。这意味着,那些在临床前阶段仅依赖传统小鼠模型、缺乏人类肿瘤微环境功能性验证数据的管线,在FDA审查中将面临越来越高的数据补充要求。
与此同时,FDA的NAM路线图为中国药企提供了一个明确的机会窗口:率先将PDO共培养、器官芯片等新型评估工具纳入IND申报数据包的企业,不仅能够获得FDA的简化审查激励,更能在竞争激烈的出海赛道上建立真正的差异化壁垒。
从失败中提炼的六条开发原则
基于上述分析,以下六条原则可以作为"微环境中心"药物开发逻辑的操作性框架。
原则一:网络韧性测试(强制性)。 任何候选药物在进入Phase II之前,必须完成对至少三个层次补偿通路的逐层评估。对于免疫代谢类靶点,这一要求尤为关键。
原则二:肿瘤内功能性终点(强制性)。 外周血PK/PD数据不能作为靶点抑制的充分证据。必须通过配对肿瘤活检的功能性分析,证明药物在肿瘤组织内部产生了预期的生物学效应。
原则三:诱导性补偿评估(联合方案必须)。 任何联合疗法在设计阶段,必须评估两种药物之间是否存在"诱导性补偿"关系——即一种药物是否会诱导另一种药物靶点的旁路激活。
原则四:患者分层工具与药物开发同步(Phase I起步)。 生物标志物假设的建立和验证,必须从Phase I阶段就开始,而非作为Phase III失败后的事后分析。
原则五:肿瘤内异质性的空间解析(新适应症必须)。 在进入新适应症之前,必须通过空间转录组学或多重免疫荧光分析,建立该适应症肿瘤微环境的基础图谱,明确目标患者亚群的微环境特征。
原则六:失败数据的公开共享(行业层面)。 每一次临床失败的机制数据,都应作为行业公共资产进行共享。IDO抑制剂领域的多次重复失败,部分原因正是在于各公司将失败数据视为商业机密,导致行业整体在同一个错误上反复付出代价。
结语
肿瘤免疫治疗的下一个十年,不会属于那些找到了"更好靶点"的公司,而会属于那些真正理解了肿瘤微环境运作逻辑、并建立了能够在临床前阶段可靠捕捉这一逻辑的评估体系的公司。
IDO抑制剂的集体失败、TIGIT抗体的意外溃败,以及无数在Phase III门口倒下的联合方案,共同指向了同一个结论:我们不缺乏好的靶点,我们缺乏的是能够真实还原人类肿瘤微环境复杂性的临床前评估工具,以及在这些工具指导下建立的、以患者微环境特征为核心的开发逻辑。
FDA 2025年4月的官方声明,是监管层面对这一判断的正式背书。接下来的问题,不再是"是否需要转变",而是"谁能率先完成转变"。
关于泽维生物 (TRiCBiO)
专注肿瘤微环境研究 · 类器官与免疫共培养平台
泽维生物是一家致力于通过源自人类的先进生物模型加速新药研发的平台型生物技术公司。 我们利用全息类器官(Holographic Organoids™)等前沿技术,为全球制药企业提供更精准、 更高效的临床前药物筛选和转化医学研究服务,旨在解决新药研发中长期存在的模型失真 和临床转化率低等核心问题。
联系我们
公司名称:南京泽维生物科技有限公司
公司地址:江苏省南京市浦口区新锦湖路3-1号中丹生态生命科学产业园A栋14楼
公司邮箱:info@tricbio.com
公司官网:www.tricbio.com
联系电话:400-880-3160
参考文献
[1]BIO. Clinical Development Success Rates and Contributing Factors 2011–2020. BIO, QLS Advisors, Informa Pharma Intelligence, 2021.
[2]AACR. Fewer Than Half of Accelerated Approval Drugs Showed Clinical Benefit in Confirmatory Trials After Five Years. AACR News Release, April 7, 2024.
[3]Muller AJ, et al. Targeting the mechanisms of resistance to immunotherapy in cancer. Seminars in Immunopathology, 2019, 41(1): 69-83.
[4]Panfili E, et al. IDO1 non-enzymatic functions: emerging roles in immune regulation and cancer. Frontiers in Immunology, 2023, 14: 1134551.
[5]Sadik A, et al. IL4I1 is a metabolic immune checkpoint that activates the AHR and promotes tumor progression. Cell, 2020, 182(5): 1252-1270.
[6]Cho BC, et al. SKYSCRAPER-01: Tiragolumab + Atezolizumab vs Atezolizumab in PD-L1-high NSCLC. JAMA Oncology, 2023; AACR 2025 update.
[7]Shen L, et al. Ivonescimab combined with chemotherapy in non-small-cell lung cancer (HARMONi-2). The Lancet, 2024.
[8]FDA. FDA Announces Plan to Phase Out Animal Testing Requirement for Monoclonal Antibodies and Other Drugs. FDA News Release, April 10, 2025.
[9]Fujiwara Y, et al. IDO1 inhibitors and their clinical development. Cancer Treatment Reviews, 2022. PMC12187009.
[10]Van den Eynde BJ, et al. The link between IDO1 and cancer immunotherapy. Annual Review of Cancer Biology, 2020, 4: 1-17.
[11]Wong CH, et al. Estimation of clinical trial success rates and related parameters. Biostatistics, 2019, 20(2): 273-286.
[12]Towards Healthcare. Organoid Market Size, Share & Trends Analysis Report 2024-2034. 2024.
[13]Meylan M, et al. Tertiary lymphoid structures generate and propagate anti-tumor immunity in renal cell carcinoma. Immunity, 2022, 55(3): 527-541.
[14]Binnewies M, et al. Understanding the tumor immune microenvironment (TIME) for effective therapy. Nature Medicine, 2018, 24(5): 541-550.
长按关注
泽维生物