1

引言

在21世纪的医学研究领域，癌症治疗面临的挑战日益凸显。随着对癌症复杂性的深入理解，治疗策略正在不断演变和进步。药物筛选作为发现新药和优化治疗方案的关键步骤，对于癌症治疗具有重要意义。

传统的药物筛选方法主要依赖于细胞系和动物模型，但存在无法完全模拟人体复杂环境和成功率低等问题。因此，医学界亟需更高效、更准确的肿瘤药物筛选模型（Tumor Drug Screening Models），以推动癌症治疗的发展。

肿瘤药物筛选模型

https://doi.org/10.1016/j.tranon.2020.100840

2

肿瘤类器官芯片简介

近年来，随着生物技术的飞速发展，一种名为“类器官芯片”（Organoid Chip）的新型技术逐渐崭露头角。类器官（Organoid）是三维细胞培养技术，模拟真实器官结构和功能，由干细胞分化而来，用于研究器官发育、疾病和药物作用。

类器官芯片（Organoid Chip）结合了微流控技术和类器官技术，是一种微型化的三维细胞培养系统，它能够利用特定细胞来源（如患者自身的肿瘤细胞），通过特定的芯片设计和细胞培养技术，形成类似于人体内器官的三维结构，在体外模拟人体器官的结构和功能。这种结构不仅能够模拟器官的基本功能，还能维持细胞的生理状态，从而更好地反映人体内的实际情况。

类器官应用于药物筛选

https://doi.org/10.1016/j.xpro.2021.101079

控制类器官芯片上的微环境

https://doi.org/10.1126/science.aaw7894

3

类器官芯片作为药物筛选模型的优势

类器官芯片作为药物筛选模型具有诸多优势。首先，它能够更准确地模拟人体内的肿瘤微环境，为药物筛选提供更可靠的数据支持。其次，由于类器官芯片使用的是患者的自身细胞，因此它能够更好地反映个体差异，有助于实现精准医疗。此外，类器官芯片还具有高通量筛选的能力，可以大大提高药物筛选的效率和准确性。

辅助进行个性化精准医疗

https://doi.org/10.1016/j.livres.2021.05.003

在实际应用方面，类器官芯片已经在肿瘤药物研发中取得了显著成果。例如，科学家们可以通过类器官芯片来预测患者对特定药物的敏感性，从而为临床治疗提供更有针对性的方案。同时，类器官芯片还可以用于毒性测试和药物副作用评估，为药物的安全性提供有力保障。

用于毒性测试和药物副作用评估等，为药物的安全性提供有力保障

https://doi.org/10.3389/fonc.2021.641980

4

类器官芯片的局限性与挑战

尽管类器官芯片具有诸多优势，但它也面临着一些局限性和挑战。首先，构建类器官芯片的技术难度较高，需要专业的生物工程技术和设备支持。其次，类器官芯片的成本相对较高，这在一定程度上限制了它的广泛应用。此外，类器官芯片的标准化问题也是一个亟待解决的问题，以确保不同实验室之间的结果具有可比性。尽管如此，随着科技的进步和研究的深入，我们有理由相信这些问题将会得到解决，类器官芯片将在未来发挥更大的作用。

构建类器官芯片

DOI: 10.7536/PC200717

5

结语

类器官芯片作为一种新兴的肿瘤药物筛选模型，为我们揭示了癌症治疗的无限可能。它不仅提高了药物筛选的效率和准确性，还有助于实现精准医疗和个性化治疗。虽然目前还存在一些局限性和挑战，但随着科技的进步和研究的深入，我们有信心克服这些困难，为癌症患者带来更加光明的前景。让我们共同期待这一新时代的到来！

6

参考文献

[1] 董研博, 王健, 郑梦竹, 刘良发 and 李山虎 (2019) '类器官研究进展及应用', 中国药理学与毒理学杂志, 33(2), pp. 152-160

[2] Fangjuan Zhang, Haibing Liu, Mengqi Gao, Defu Wang, Yanbing Niu, Shaofei Shen. Concentration-Gradient Microfluidic Chips for Drug Screening[J]. Progress in Chemistry, 2021, 33(7): 1138-1151.

[3] Calandrini, C. and Drost, J. (2022) 'Normal and tumor-derived organoids as a drug screening platform for tumor-specific drug vulnerabilities', STAR Protoc, 3(1), p. 101079. Available at: https://www.ncbi.nlm.nih.gov/pubmed/35036959

[4] Liu, C., Qin, T., Huang, Y., Li, Y., Chen, G. and Sun, C. (2020) 'Drug screening model meets cancer organoid technology', Transl Oncol, 13(11), p. 100840. Available at: https://www.ncbi.nlm.nih.gov/pubmed/32822897

[5] Nie, X., Liang, Z., Li, K., Yu, H., Huang, Y., Ye, L. and Yang, Y. (2021) 'Novel organoid model in drug screening: Past, present, and future', Liver Research, 5(2), pp. 72-78

[6] Park, S. E., Georgescu, A. and Huh, D. (2019) 'Organoids-on-a-chip', Science, 364(6444), pp. 960-965. Available at: https://www.ncbi.nlm.nih.gov/pubmed/31171693

[7] Verduin, M., Hoeben, A., De Ruysscher, D. and Vooijs, M. (2021) 'Patient-Derived Cancer Organoids as Predictors of Treatment Response', Front Oncol, 11, p. 641980. Available at: https://www.ncbi.nlm.nih.gov/pubmed/33816288.