Na konferenciji AngloNordic (23.4.2026., London) istaknuta je ubrzana tranzicija ka metodama testiranja bez životinja (NAM). Merck KGaA planira da u narednoj deceniji zameni većinu protokola testiranja na životinjama modernim predkliničkim modelima. Panelisti su izdvojili organs-on-a-chip, organoide i računarske metode kao ključne tehnologije, ali su naglasili da je neophodno jasno postaviti ciljeve i pažljivo dizajnirati eksperimente za validne i korisne rezultate.
Testiranje Bez Životinja Postaje Standard: Uspeh Zavisi Od Pametne Primene NAM-ova
New approach methodologies (NAMs) are garnering pharma's attention
Kako nove pristupne metodologije (NAM) brišu granice u predkliničkom testiranju, farmaceutske i biotehnološke kompanije sve brže uvode ljudski relevantne modele kako bi bolje usmerile razvoj lekova. Stručnjaci upozoravaju da uspeh zavisi od jasnih ciljeva i pažljivog dizajna eksperimenata, a ne samo od inovativnosti same tehnologije.
Ambicije industrije i regulatorni pomak
Na konferenciji AngloNordic u Londonu (23. april 2026), Laura Matz, direktorica nauke i tehnologije u Merck KGaA, najavila je da kompanija želi da tokom naredne decenije zameni većinu protokola testiranja na životinjama novim predkliničkim modelima. Ovaj potez prati širi regulatorni trend ka „više ljudski orijentisanim“ pristupima sa boljom prediktivnom snagom.
Šta spada u NAM-ove
Panelisti su istakli nekoliko ključnih tehnologija: organs-on-a-chip, organoidi i napredne računarske metode (uključujući AI i simulacije). Svaka od ovih metoda donosi specifične prednosti — od bolje reprodukcije ljudskih mikrookruženja do skalabilnih modela za simulaciju ishoda.
Primena u praksi: primeri i upozorenja
David Apelion, CEO britanske kompanije Theolytics, rekao je da njihova upotreba svežih tumora sa netaknutim mikrookruženjem pruža model koji verodostojno odražava pacijenta u stvarnom svetu i može značajno smanjiti stopu neuspeha u razvoju imunoterapija za karcinom jajnika.
Orr Inbar (QuantHealth) je naglasio da NAM-ovi trenutno najviše doprinose modelovanju efikasnosti, posebno u onkologiji i kardiovaskularnim bolestima, dok Harel Kotler (Merck KGaA Healthcare) upozorava da eksperimenti moraju biti pažljivo dizajnirani oko jasno definisanih ciljeva jer jedan eksperiment može proizvesti ogroman skup podataka.
"Ako iz modela ne učite ništa što će pomeriti program napred, ili ne možete interpretirati rezultate, to nije vredno vašeg vremena ili resursa," rekao je Chris Floyd, šef neuroznanosti u tranScrip.
Floyd je dodao praktično upozorenje: "Moramo paziti da ne zamenimo skupi model koji razumemo za skupi model kojeg ne razumemo." Drugim rečima, prelazak na NAM ne sme biti mehaničan — potrebna je jasna strategija integracije u proces donošenja odluka.
Preporuke za razvojne timove
- Definišite jasno pitanje koje model treba da odgovori pre nego što ga pokrenete.
- Koristite NAM-ove u kombinaciji sa drugim podacima (in silico, klinički podaci) za jaču validaciju.
- Planirajte kako će rezultati uticati na ključne odluke u razvoju leka.
- Ulažite u analitiku i ekspertizu koja može interpretirati velike nizove podataka iz jednog eksperimenta.
Zaključak: NAM-ovi brzo prelaze iz eksperimentalne faze u primenu u industriji, ali stvarni dobitak zavisi od pametne, ciljane upotrebe. Regulativa i tehnološki napredak stvaraju podsticaj, ali uspeh će najviše zavisiti od pažljivo dizajniranih studija, robustne interpretacije rezultata i jasne strategije integracije u razvojne tokove.
Originalni tekst: Clinical Trials Arena (GlobalData). Informacije su date u dobroj veri za opšteinformativne svrhe i ne predstavljaju pravni ili stručni savet. Preporučuje se konsultacija sa specijalistima pre donošenja važnih odluka.
Pomozite nam da budemo bolji.
