2025年4月10日，美国食品药品监督管理局（FDA）在官网发布公告，计划逐步取消在单克隆抗体疗法和其他药物的研发中的动物实验要求。
FDA称该做法旨在提高药物安全性并加速评估流程，同时减少动物实验，降低研发成本，并最终降低药物价格。
FDA局长 Martin A. Makary 博士在声明中指出：“通过借助AI建模、类器官测试以及真实世界数据，能更快、更精准地评估药物，让患者更早受益，也能降低研发成本和药品价格。”
事实上，围绕动物实验有效性的争论已持续了十余年。支持者认为动物实验违背伦理，毒理学研究结果也未必适用于人体临床试验；反对者则觉得目前没有技术能立刻取代动物实验。
FDA的政策调整也并非一蹴而就。
早在 1985 年，FDA毒理学研究部门本着「3R 原则」（即：替代 Replacement、减少 Reduction、 优化 Refinement ），开始推广体外试验（如细胞培养）作为动物实验的补充。
2017 年 FDA 发布《预测毒理学路线图》，鼓励采用计算机模型和体外方法减少动物使用。
2022年9月29日，美国参议院通过了美国食品药品监督管理局（FDA）现代化法案2.0，取消了联邦对新药进行动物试验的强制要求，允许药品研发和生产中使用可替代动物试验的方法，来研究药品有效性和安全性。
2024年12月12日，美国参议院全票通过修订版的“FDA现代化法案3.0”，该法案旨在推动FDA现代化法案2.0（FDAMA2.0）的实施，明确鼓励使用类器官、器官芯片等新方法学（NAMs）数据替代动物实验；推动行业向“无动物实验”方向发展。
尽管FDA官员强调本次改革并未改变药物进入临床前需要验证安全性的基本要求，动物实验也未被立即淘汰，而是为研发人员提供了更多灵活的研究手段，但国内外研究人员依旧对新规议论纷纷。
前车之鉴，后事之师
历史上不进行动物实验，有过沉痛的教训。
1937年，美国发生了“磺胺酏剂事件”，该药品为用于儿童患者的新型磺胺口服液，为方便儿童服用，制药公司在口服液中“二甘醇”作为矫味剂。上市后不久出现过逾百人服药后死亡，其中有34例是儿童，调查发现引发这一惨剧的元凶正是矫味剂“二甘醇”，其具有极强的肾毒性。
1954年法国有一些疖疮病人头痛、呕汪、虚脱、失明，类似中毒性脑炎，中毒者270人，其中110人死亡。后来发现原因在于服用了二碘二乙基锡，金属锡本身并无毒性，但与有机磺结合就产生强烈毒性。
20世纪60年代，欧美有些国家的医生使用“反应停”（沙利度胺）这种药治疗妇女妊娠反应，结果导致1万多名的婴儿出现短肢畸形。事后证实，在该药的开发过程中，研究人员并未关注动物试验情况。
正是出于对安全的担忧，医药界的专家普遍认为，尽管动物实验的成本价很高，一些制药企业面临诸多资金困难，但眼下新药研发临床前的动物实验不可少，这个成本不能省。
北京中医药大学东方医院郭蓉娟教授在接受、采访时表示，不做动物实验，新药研发的有效性和安全性就得不到可靠保障。
美国国家生物医学研究协会（NABR）在一份声明中称，目前在生物医学研究和药物开发中，动物模型尚无完全替代品。
NABR 主席 Matthew R. Bailey 认为，人工智能有望加速诸多研究领域的发展。但人工智能存在一个问题，它很大程度上依赖于现有数据的提取，未知变量可能给患者带来最大的风险。目前还没有任何 AI 模型能够完全复制完整生物系统的所有未知领域。正因如此，人道动物研究仍然不可或缺。
动物实验的几种替代方案
目前构成替代动物试验的技术矩阵的器官芯片、类器官、体外细胞模型和计算机模拟等新技术多处于成熟和验证过程中。
器官芯片
器官芯片是一种微流体装置，将人类细胞排列于微缩通道中，模拟特定器官的功能微环境。例如，肺芯片、肝芯片中包含对应的人体细胞，以在动态流动条件下再现器官的生理反应。
然而，目前单个器官芯片只能反映局部器官反应，缺乏多器官之间的相互作用和全身性维度。虽然已有研究尝试将多个器官芯片连接打造“人体芯片”，但要完全模拟复杂的人体药代动力学/药效学过程仍极具挑战。
此外，各类芯片平台尚处于发展阶段，标准化和验证体系尚未完全建立，这使其在监管审核中的应用还需要时间验证。
类器官和3D生物组织
类器官是由干细胞培养形成的微型三维组织结构，能在体外部分模拟真实器官的细胞构成和功能。3D生物打印的组织片段也是类似概念，通过工程手段生成具有多种细胞类型的组织模型。
这些人源性三维模型近年在毒理研究中显示出前景，例如肝脏类器官和心脏组织在预测药物肝毒性、心脏毒性方面已有成功案例。其优势在于更接近人体微环境，提供二维细胞培养无法揭示的复杂反应。
然而，类器官往往缺乏血液循环、免疫系统等宏观功能，发育程度可能不及真实器官，而且不同实验室培养的类器官差异较大。当前这些模型更多用于早期筛选或机制研究，尚不足以单独支撑全面的药代毒理评价。
体外测试模型
广义的体外模型包括传统的细胞系培养、组织切片实验以及高通量分子生物学分析等。然而，经典的体外实验通常环境过于简化，缺乏体内的组织结构和代谢过程。
因此，许多在平板上表现良好的药物进入动物或人体后效果迥异。这类模型可行性高（毕竟已广泛应用于实践），但其局限决定了它更多是对动物和临床试验的补充，而非完全替代。
计算机模拟与人工智能
随着计算生物学和AI技术的发展，利用计算模型预测药物行为正成为现实。研究人员构建了大量机理模型和数据驱动模型来预估药物的吸收、分布、代谢、清除等特性，以及潜在的毒性靶点。
计算模拟的优点是快速、可重复、不涉及生命伦理，并且在某些方面已展示出与动物模型相当甚至更高的预测能力。
然而，模型的可靠性取决于已有的数据和对生物过程的认知。一些未知机理或复杂多系统交互，纯粹依赖计算可能无法准确预测。
此外，监管机构要求对模型有充分验证，这意味着建立标准的验证体系和获得行业认可仍需要时间和大量案例积累。
说到底，争议的核心仍是目前主流的替代方案并不能完全替代动物实验的作用。
因此，当前更现实的做法是将替代方法作为补充和优化手段：它们可以在研发流程早期筛选和预测，减少进入动物实验的无效/高风险候选药物数量，从而减少动物使用；而关键环节上，动物模型短期内仍是监管认可的保障措施之一。
