每天，数以百万计的人正在服用药物，然而这些药物可能并没有多大帮助。美国销量排名前10位的药物中，服药者只有1/25~1/4有效。如常规用于降低胆固醇的他汀类药物，也许只有1/50的服用者受益。甚至有些药物对某些族裔群体是有害的，但传统经典的临床试验参与者主要针对的是西方白种人群。

今年1月，美国总统奥巴马宣布了2.15亿美元的国家精密药物倡议，包括在美国设立100万人的基因和其他数据的国家数据库。

与经典的临床试验需要通过数千人测试获取单一因素的大量数据不同，精密药物的个性化临床试验,需要探测许多因素，如遗传和环境等，确定一个人对于特定治疗药物的反应。

N-of-1应运而生

针对一个人的研究——被称为单病例随机对照试验（N-of-1trials，简称N-of-1试验），无疑具有重要作用。例如，医生可能会开一种高血压药物，而在更换药物之前尝试监控其对血压的功效。但很少有临床医生或研究人员把这种方式归入精心设计的试验——通常只是极少数的测试，而且只是在治疗期间。

如果有足够长的时间，并收集足够的数据，通过适当的控制措施，试验参与者就可以确定究竟是治疗反应者还是非反应者。许多N-of-1试验的汇总结果，将提供有关如何更好地在更大规模人群甚至人群子集的信息。

N-of-1试验形式的扩大化，意味着可以解决各种实际问题。包括利用健康监护器的多样性，开发和确定适当的疾病生物标志物。当然，这也需要多个层面的转变——监管机构、制药企业，最重要的则是在诊所方面。

正在进行的几类试验

一种干预措施对某些群体具有良好效果出现机会相对很少，而且往往是由几率决定的。研究人员通常获得的是药物基于较大规模人群试验令人失望的结果。这导致他们执行的是一次性事后分析法，试图确定导致一些人在试验中似乎是具有治疗反应的因素。

这种方法的药物发现是低效的。传统的Ⅲ期临床试验涉及数千人。被测试的干预措施常常随机分配给一个组，而另一组接受对照治疗，例如给予患者糖丸剂或标准治疗。因为收集影响因素的数据有限，如基因、生活方式和饮食，这些试验的结果通常需要进行另一项研究，以验证治疗反应者干预的效果。

目前已经开发了用于患者间变异的多种试验设计。其中就包括主要用于癌症的篮子（Basket）试验，其测试一种干预措施的效果，但与设计测试的适应证没有关系。

例如，美国国家癌症研究所在5月推出的MATCH试验，将利用肿瘤遗传标记物把1000名不同类型的晚期癌症患者分配到不同的治疗“篮子”中。每个“篮子”包括大约30例受试者，共同具有某些遗传异常；参与者将给予约25种药物中的一种。随着试验的展开，对根据基因采取的治疗处理效果进行比较。

另一个例子是雨伞（umbrella）试验，研究人员对多种药物治疗单病种研究的有效性进行测试。这种方法被用于正在进行的一项由耶鲁大学和美国翻译基因组学研究院展开的临床试验，该研究对约70%晚期黑色素瘤患者进行通过基因组指导治疗药物的选择——从40种左右药物阵列中选择（其余参加者接受标准治疗）。在此，药物和遗传学之间匹配的有效性，将与标准治疗相比较。最后，通过适应性试验的患者治疗反应的干预措施与患者相匹配。

即使这些试验设计可能不够个性化，但对于已知由特定的药物靶向的特定突变患者具有重要的意义。当然，还有许多其他因素也可导致一个个体对治疗药物反应，这对于癌症患者尤甚。例如，在美国被批准的药物vemurafenib，用于治疗BRAF（V600E）突变晚期黑色素瘤患者。但是，一些患者肿瘤细胞发育异常，使他们对药物产生抗药性。因此，临床医生考虑是否开vemurafenib处方，可能需要考虑到整个系列的生物标记物。

比较疗法

在N-of-1试验中，各种相关数据将就个体尽可能频繁的周期性（每天数月或数年）收集。通常的设计和统计同样可以采用，如盲法和试验者被测试药物，以及利用的控制措施（如标准治疗期限）。此外，适当的交叉设计可就个体对不同治疗方法的效果进行比较。

如果处理得当，个体对一种干预措施的反应，可在传统临床试验的基础上，通过统计分析评估人口水平的反应。例如，澳大利亚一项研究中，对132人在过去3年中服用不同的药物，测试报告疼痛程度、肿胀和骨关节炎、慢性疼痛和其他症状。对于每个人，每2周测试一次，持续12周，然后患者停药或再服用特定的药物。通过比较不同处理前后收集的数据，研究人员发现，虽然最初是昂贵的，但N-of-1试验可以使患者获得更有效的处方。

在一些情况下，N-of-1试验的方法是非常理想的。比如，这样的研究已经被用于一些罕见疾病领域，往往不使用复杂的试验设计，而且也不必收集相应的信息以确定使有关药物的机制假说。也有多种广泛使用的药物提供给患者防治疾病，而这些试验者并没有获批准（超说明书处方）。例如美西律治疗罕见疾病肌肉非营养不良性肌强直，试验性药物治疗埃博拉病毒等。（选自《医药经济报》）