为什么连一个准确数字都不知道?最大的统计黑洞之一恰恰是美国。美国Animal Welfare Act对实验用mice和rats并没有与其他动物相同的统计要求。欧洲数据更透明:EU+Norway在2022年仅正式用于experimental purposes的小鼠就超过400万只,而这还没有完整体现繁殖和淘汰产生的动物。
真正值得关注的其实不是“杀了多少只”,而是背后的研发经济学。假设全球药物研发每年消耗5000万只小鼠,从购买、繁殖、genotyping、饲养、dosing,到PK/PD、取样和pathology,每只fully loaded cost平均按200—500美元计算,就是每年约100亿—250亿美元的产业成本。
更深层的问题是:花了这么多钱,并不意味着得到了同等价值的信息。小鼠biology与human biology存在系统性差异,一个在mouse efficacy model里非常漂亮的结果,进入人体后仍可能失败。因此真正昂贵的并不是一只鼠,而是动物模型给出了错误信号后,团队继续投入几年时间和数千万甚至上亿美元。
这也是为什么organoid、organ-on-chip、human genetics和AI toxicity prediction值得关注。它们真正的商业价值不是简单“取代小鼠”,而是重新设计药物研发的证据顺序:先用human-relevant evidence判断什么值得做,再用更少、更精准的动物实验验证。AI未来对药物研发最大的贡献之一,也许不是设计更多分子,而是让整个行业少做那些本来就不应该做的实验。
