项目规划着眼于组合使用多种 NAMs
美国国立卫生研究院（National Institutes of Health，NIH）的研究者在 NAM journal 发表综述，解释 Complement Animal Research In Experimentation（Complement-ARIE）计划的设计。文章回顾公众征询、跨机构讨论、文献盘点和创意挑战赛，并说明这些活动怎样影响后续项目安排。
计划重点是组合式 NAMs：围绕明确问题，将体外人源模型、无细胞检测和计算方法等结合，用于理解疾病、评价新治疗的药效与毒性。开发者不仅要提出新的技术，还要说明组合中的各部分如何共同解决一个具体问题。
公众与机构讨论共同指出了使用障碍
NIH 组织的 3 场公开征询共有约 1,100 人注册，参与者超过 550。讨论涉及研究人员、产业界、监管相关人员和其他使用方，关注模型能否反映人群差异、长期变化及复杂疾病，也关注研究者能否获得数据和必要训练。
跨机构会议进一步提出，模型开发、数据质量、可重复性和验证框架需要共同推进。对监管用途的讨论尤其强调使用情境：一个模型解决什么问题、采用什么指标，与它属于哪一类技术同样重要。
参与者还希望公开验证资料、相关监管经验以及可共享的去标识化数据。不同来源的数据如果缺少共同格式和完整说明，即使分别可访问，也很难用于比较模型或开发组合方法。
文献盘点与创意竞赛为后续研发提供方向
项目的文献盘点同时调查体外、无细胞及计算方法。在所收集资料中，心肌、神经和内皮细胞，以及肝、骨、乳腺、肺和皮肤组织较常见；研究主题集中于癌症、糖尿病、阿尔茨海默病和帕金森病等。
但作者指出，直接讨论临床转化的应用较少，疾病模型也常缺少免疫与微血管成分。人群差异、成本与人员条件、伦理以及监管使用等方面，同样没有得到充分讨论。这些缺口成为选择后续开发方向的依据。
计划将数据保存、报告规范、可互相整合的数据结构，以及明确的模型与实验背景放在一起考虑，使其他团队能够复用数据并判断其适用范围。
创意竞赛另选出 20 支获奖团队，每队获得 5 万美元，总奖金 100 万美元。作者报告，较受重视的方案多采用整合或组合策略，并由不同学科团队共同提出；这些创意也被用于后续项目规划。
开发中心、数据中心与验证网络各负其责
在 2025 年文章描述的安排中，技术开发中心负责优先领域的方法研发，强调生物学复杂性、通量、人群差异和组合策略，并结合培训与资源共享。对于成熟方案，文章提出与监管机构和相关行业合作，验证其能否满足预定用途。
NAMs 数据枢纽与协调中心负责集中整合数据，建立报告和可信度相关标准，并建设可检索的方法资源。其作用是让不同中心产生的信息可查、可理解、可互相使用，为后续分析提供基础。
NIH 与美国国立卫生研究院基金会（Foundation for the National Institutes of Health，FNIH）还计划通过公私合作，建立方法验证与用途评价网络（Validation and Qualification Network，VQN）。文章提出先讨论治理、范围和优先任务，再推动数据包及监管提交资料的形成。
培训、资源推广及使用方参与贯穿于开发、数据和验证环节。文章将这些安排作为方法走向实际应用的条件，与单项技术研发一同推进。
窄屏可横向滑动查看完整图表。