生物分析前沿 | 基于Fit-for-Purpose原则的生物标志物方法验证策略

       一、引言

在药物研发实践中，生物标志物分析方法验证（简称方法验证）的充分性，始终是一个核心难题。一方面，验证疏失将削弱数据的可靠性，进而干扰关键决策乃至诱发监管合规风险；另一方面，验证过度则会显著增加资源负荷，在效率与成本的双重约束下难以持续。这一困境的本质，指向了

“Fit-for-Purpose（FFP）”原则的核心命题：方法验证的程度必须与其预期用途、决策风险相匹配。同一分析方法，在早期筛选阶段可能“充分适用”，而在支持注册的关键试验中却可能“验证不足”。这一差异并非源于方法本身，而在于其所处的研发阶段、所服务的数据用途以及所支撑的决策风险。为此，本文从三个关键维度出发，系统阐述如何科学评估方法验证的充分性，探讨在效率与风险之间寻求动态平衡的实现路径。本文适用范围：药物临床试验生物样本生物分析方法验证；不适用于体外诊断试剂（IVD）产品注册验证。

 

二、Fit for Purpose的内涵

“Fit-for-Purpose”概念源于20世纪80年代质量管理，以满足预期用途为核心[1]。2010年Cummings等将其引入方法验证，提出验证程度应依测定类型及用途动态调整[2]。2013年AAPS与FDA纳入监管讨论，此后EMA及ICH相继体现；2025年ICH M15拓展至MIDD[3]。目前CDE已完成ICH M10翻译并征求意见[4]，该原则明确“全验证”、“部分验证”及“交叉验证”的适用场景，强调验证程度应随方法变更类型与研究阶段动态调整[5]，体现了FFP的系统实践。

就方法验证而言，该原则的核心内涵可概括为：验证的程度必须与其预期用途所对应的决策风险相匹配。“Fit-for-Purpose”理念强调的是“相对适用”[6]，即根据用途动态分层、因风险差异而区别对待。此种分层验证策略并非主张“降低标准”，而是倡导“精准设标”[7]，即在需要严格验证的场景中执行最高标准的完整验证，在风险可控的场景中适度简化，从而在资源投入与决策保障之间寻求动态平衡。归根结底，方法验证的程度应以充分证明该方法足以支撑基于其数据所作出的决策为限。

 

三、基于风险的分级验证策略

以决策风险等级为依据，可将方法验证划分为三个递进层级：简单验证、部分验证与完整验证。

简单验证：适用低风险决策场景，多见于药物研发极早期阶段（如靶点发现、候选化合物筛选）。其核心目标是支持内部早期决策，协助研发团队快速筛选研究方向。验证内容以确认方法可行性、确保靶标物质可检出为限，旨在为早期决策提供基本数据支持。

部分验证：适用中风险决策场景，多应用于临床探索性研究。其核心目标是支持具有一定风险的内部决策（如剂量选择、概念验证），研究数据虽可能影响关键试验设计，但一般不作为监管递交的直接依据。即便在特定情形下作为补充材料递交，则须基于充分的桥接证据，并审慎评估监管质疑及审评延迟的风险。验证内容在简单验证基础上更为系统，通常涵盖精密度与准确度、关键条件稳定性、平行性等核心参数。对于研发中早期、尚未进入关键试验阶段的生物标志物方法，部分验证是最常见的选择。

完整验证：适用高风险决策场景，多应用于关键临床试验、注册申报及上市后承诺研究。其核心目标是支持监管决策，研究数据将直接纳入药物上市申报资料，接受监管机构的审评与审计。验证内容需全面覆盖所有性能参数，并严格遵循监管法规设计与执行，包括但不限于：准确度与精密度、基质效应、线性范围、多条件稳定性（短期、长期、冻融）、钩状效应、平行性等。

 

四、验证策略的多维评估框架

验证策略的选择并非基于单一维度，而需综合评估多项影响因素。本文从三个核心维度构建评估框架，并遵循“就高不就低”的原则，即以各维度中最高的验证要求作为最终策略选择的依据。

基于药物临床阶段的评估

不同临床阶段所对应的决策风险存在显著差异，验证策略应随之动态调整。一般而言，决策风险越高，验证要求越为严格（见表1）。

 

表1 基于临床阶段的验证策略选择

注1：*表示优先推荐的验证层级；

注2：桥接试验与IIT系因特殊目的或特殊发起方而设立的研究类型，可在药物全生命周期中灵活开展，不纳入传统Ⅰ-Ⅳ期临床研究分期体系。

 

基于数据合规性要求的评估

数据的预期用途决定了其验证的严格程度。不同用途的数据对合规性的要求各异，进而影响验证层级的选择（见表2）。

表2 基于数据类型的验证策略选择

注：*同表1。

 

基于检测指标重要性的评估

检测指标在临床试验中的功能定位，直接决定了方法验证的严格程度（见表3）。

表3 基于指标类型的验证策略选择

注：*同表1。

 

需要强调的是，检测指标的分类并非一成不变，可能随研发进展动态调整。如探索性指标在中早期分析中展现出潜力，后续可能被提升为主要终点/次要终点/安全性终点，此时验证层级需相应升级，必须补做完整验证。此种动态调整体现了“Fit-for-Purpose”原则的核心要义：验证程度始终与指标的当前地位及决策风险保持动态匹配[8]。

 

五、不同技术平台的验证内容差异

同一验证层级下，不同技术平台的验证内容并非完全一致。生物标志物种类丰富、技术平台众多，导致验证内容、方式及标准存在显著差异。FDA于2025年发布的BMVB指南[9]指出，应以ICH M10为起点。但AAPS社论[10]强调：将ICH M10作为起点造成混淆，PK检测与生物标志物检测的“使用环境”显著不同，不能简单套用。方法验证需考量检测目标、基质复杂性及生物学变异性等本质区别。不同技术平台的性能特性决定了验证关注重点各异^[2]。

 

表4 不同技术平台的验证关注点

注：+表示高度关注，-表示无明确要求，LLOQ表示定量下限，ULOQ表示定量上限。

 

在此背景下，Critical Path Institute发布的《Points to Consider》白皮书（2019）[11]为验证标准的适用性调整提供了方法论指导。该文件强调：“这不是一个必须对所有列出的点进行实验评估的检查清单。相反，只应考虑与特定生物标志物及其在药物开发中的使用环境直接相关的分析要素。基于这些考虑，要么对这些分析要素进行实验评估，要么为其省略提供合理依据。”换言之，若ICH M10中的某些验证条款因技术平台特性而不适用，研究者可以省略相应验证内容，但必须在验证报告中阐明其不适用性并提供充分的科学依据。因此，方法验证应在ICH M10的基准框架下，充分考量不同技术平台的性能特性，制定与之相适应的验证策略。研究者有责任基于具体使用环境对验证方案进行科学论证与合理裁量。

 

六、总结

“Fit-for-Purpose”原则为方法验证提供了以决策风险为核心的科学框架。基于此原则，本文构建了与决策风险等级相适应的三级验证策略（简单验证、部分验证、完整验证），并从临床阶段、数据合规性、指标重要性三个维度提出策略选择依据。针对技术平台差异，强调应在ICH M10基准框架下进行科学裁量，对不适用的验证条款应明确省略依据，以实现资源投入与决策可靠性的动态平衡，为临床试验与注册申报提供高质量、可信赖的生物分析数据。

华测医药中心实验室深耕生物标志物检测领域，在方法开发、验证及样品分析方面积累了丰富的实践经验。我们严格遵循“Fit-for-Purpose”原则，能够根据不同研发阶段、技术平台特性及决策风险等级，提供从早期探索到关键临床试验的分级验证解决方案。依托多样化的技术平台（包括LC-MS/MS、ELISA、qRT-PCR、IHC等）和完善的质量体系，我们致力于确保数据的科学性与合规性，助力药物研发全流程中的精准决策。

 

参考文献：

[1] International Organization for Standardization. ISO 9000:2015 Quality management systems-Fundamentals and vocabulary. Geneva: ISO; 2015.

[2] Cummings J, Raynaud F, Jones L, Sugar R, Dive C. Fit-for-purpose biomarker method validation for application in clinical trials of anticancer drugs. Br J Cancer. 2010;103(9):1313-7.

[3] International Council for Harmonisation. M15 General Principles for Model-Informed Drug Development. Geneva: ICH; 2025.

[4] 国家药品监督管理局. 关于适用《M10：生物分析方法验证及样品分析》国际人用药品注册技术协调会指导原则的公告（2024年第16号）. 北京: NMPA; 2024.

[5] International Council for Harmonisation. M10 Bioanalytical Method Validation and Study Sample Analysis. Geneva: ICH; 2022.

[6] Lee JW, Devanarayan V, Barrett YC, et al. Fit-for-purpose method development and validation for successful biomarker measurement. Pharm Res. 2006;23(2):312-28.

[7] Hubert P, Nguyen-Huu JJ, Boulanger B, et al. Harmonization of strategies for the validation of quantitative analytical procedures: A SFSTP proposal. J Pharm Biomed Anal. 2004;36(3):579-86.

[8] Rozet E, Hubert C, Ceccato A, et al. Using tolerance intervals in pre-study validation of analytical methods to predict in-study results: The fit-for-future-purpose concept. J Chromatogr A. 2007;1158(1-2):126-37.

[9] Food and Drug Administration. Bioanalytical Method Validation for Biomarkers Guidance for Industry. Rockville: FDA; 2025.

[10] AAPS Biomarkers and Precision Medicine Community Leadership Team. Why is Biomarker Assay Validation Different from that of Pharmacokinetic Assays? The AAPS Journal. 2025;27:147.

[11] Critical Path Institute. Points to Consider Document: Scientific and Regulatory Considerations for the Analytical Validation of Assays Used in the Qualification of Biomarkers in Biological Matrices. Tucson: C-Path; 2019.