在人體試驗前攔截肝毒性：AI數位肝模型踏入FDA資格審查首關

藥物進入第一期人體試驗前，開發團隊必須回答一個棘手問題：動物與細胞實驗看似安全的分子，到了人體是否可能傷肝？美國食品藥物管理局（FDA）已將Absentia Labs的「數位肝模型」意向書納入ISTAND藥物開發工具資格程序，讓以人工智慧預測藥物性肝損傷的工具，首度踏進這條正式評估路徑。

這套工具鎖定尚未進入人體試驗的小分子候選藥。FDA指出，模型會比較新候選物的化學結構與肝損傷風險已知的歷史參考藥物，協助研判潛在危險；開發商則表示，系統還結合機制生物學與藥物反應資料訓練的AI，希望捕捉代謝、免疫反應、劑量及暴露等因素交織而成的肝毒性。

藥物性肝損傷是臨床試驗中止與新藥開發失敗的重要原因之一，現有動物、體外與電腦模型又難以準確重現人體反應。數位模型的實際價值因此不在於給出一張「安全證書」，而是把另一項證據帶進候選藥取捨：哪些分子需要補做試驗、調整劑量設計，或不宜繼續推向第一期臨床。

FDA預期，若工具最終取得資格，它將與其他非臨床肝安全資料共同構成整體證據判斷，而非單獨決定候選藥能否進入人體。這項定位也意味著，模型能否在不同化學骨架、作用機制與暴露條件下維持可靠表現，以及其適用範圍如何界定，將是後續審查的核心。

目前的進展只到三階段程序的第一步：FDA接受意向書，代表工具值得進一步評估，並不等於完成資格認定、證實臨床效能或獲得監管背書。Absentia接下來仍須提出資格計畫，再遞交完整資格資料包；只有全程通過後，藥廠才能在核定的使用情境內採用這項工具。

公司另稱，其模型曾入選precisionFDA動物肝毒性預測挑戰的優勝者，並正開發其他人體生物學模型。不過，競賽結果針對動物肝毒性建模，不能直接證明其可準確預測人體藥物性肝損傷；現有公開資料也未揭露訓練資料規模、外部驗證表現或錯誤率。這些證據缺口，正是數位肝能否從有潛力的輔助工具走向可重複使用之監管工具的關鍵。