从候选筛选到安全评价，先确定模型要回答的问题
神经系统药物研发需要同时解决几类问题：候选药能否改变疾病过程，能否到达目标部位，以及怎样评价神经系统不良反应。2026 年 9 月 17 日在线发表的一篇 Neurotherapeutics 综述，把这些问题放在 NAMs 的实际应用背景下讨论。4 位作者分别从政府资助、学术研究、产业和 FDA 相关工作出发，分析人源模型与计算方法走向应用所需的条件。
综述指出，NAMs 已用于神经药物的毒理及吸收、分布、代谢和排泄研究，也可提前用于候选选择、靶点效力与选择性比较。在早期发现阶段得到的结果，最终需要对应具体研发决定：继续优化候选、调整递送策略，或进一步检查某类安全信号。方法应提供什么信息，取决于这项决定。
资助创新，也要建设参照数据和验证条件
美国国立卫生研究院（National Institutes of Health，NIH）相关部分讨论了 Complement Animal Research In Experimentation（Complement-ARIE）计划和 Office of Research Innovation, Validation, and Application（ORIVA）的互补作用。前者支持跨学科方法研发，后者着眼于方法采用所需的验证、标准和协作条件。作者提出，应把技术开发与性能评价、数据互通、培训和推广一并安排。
所讨论的平台包括诱导多能干细胞（induced pluripotent stem cells，iPSC）来源的神经元和胶质细胞、脑类器官及组装体、血脑屏障和神经血管单元模型，以及描述疾病机制、靶点作用和神经毒性的计算工具。患者来源材料与临床结局数据，可用于检查模型得到的信息与人体情况之间的关系。
窄屏可横向滑动查看完整图表。
细胞模型、实验报告与结果验证都要检查
学术研究部分以 iPSC、微生理系统（microphysiological systems，MPS）、多组学和生物传感技术的结合为例，讨论人源神经模型的进展。神经元与胶质细胞共同构成的模型，能够检测电生理活动；加入小胶质细胞后，还可研究炎症相关变化。不同组成的模型提供不同信息，细胞类型与比例因此也是模型质量的重要内容。
作者把研究质量分为 3 个相互关联的方面：细胞模型质量、实验报告质量和结果验证。文中还讨论类器官智能（organoid intelligence，OI）作为未来功能评价方向的潜力，希望通过学习和记忆相关功能研究药物作用；这一方向仍需要技术发展和相应伦理框架。
用于研发决策前，先解决数据可比性
产业部分指出，检测技术的成熟程度与结果能否用于决策的成熟程度可能并不同步。平台可以测出细胞损伤或功能改变，但如果实验室采用不同指标单位、细胞组成和参照范围，开发者就难以比较结果。神经细胞检测尤其需要说明细胞类型与比例、预定用途和参照数据。
作者建议，性能、重复性和可解释性的评价要求，应与该方法要支持的决定及其重要程度相匹配。竞争前合作可帮助参与者共同制定数据和报告要求。对于 AI 模型，还需明确训练数据、统计评价和输出含义，使其预测能够与其他证据共同用于药物开发判断。
审评经验需要回到具体提交资料中积累
FDA 相关部分介绍了药物评价和研究中心（Center for Drug Evaluation and Research，CDER）围绕 NAMs 开展的协调工作，包括明确提交途径、组织相关专业人员参与评估，以及通过试点综合审评团队讨论数据能够支持的安全与毒理问题。文中还提到，内部研究正在整理神经相关 NAMs 提交资料，关注预定用途、支持的决定和评估中发现的局限。
这篇综述由不同领域作者共同撰写，提出的是方法开发与采用方面的分析；文末明确其不代表 NIH、FDA 或美国联邦政府的官方立场。贯穿各部分的共同问题是，如何把人源模型和计算结果转化为可比较、可解释、能够支持特定研发决定的证据。