药品辅料是药物制剂的“幕后支撑”，承担着改善活性成分溶解性、稳定性及患者依从性等关键功能，但即使是“辅助角色”，其安全性仍需通过毒理学风险评估严格管控。安全阈值（如每日允许摄入量ADI、可接受每日暴露量ADE）作为评估的核心输出，是辅料从实验室到临床的“安全通行证”——它将动物试验数据转化为人类可操作的用量限制，直接决定辅料能否在制剂中合法使用。本文将聚焦安全阈值确定的全流程方法，从暴露量量化、数据整合到不确定系数应用，拆解每个环节的技术细节，为行业提供可落地的实践路径。
安全阈值的起点：暴露量的精准计算
安全阈值的。天/g本质是“人体可承受的最大暴露量”，因此第一步必须明确辅料在实际用药中的真实暴露水平。对于口服制剂，通常用“每日摄入量（DI）”表示：DI = 辅料在单剂量制剂中的含量 × 每日最大给药次数。比如某缓释片每片含辅料A 10mg，每日最多服用2片，则DI为20mg/天。
注射剂的暴露量需考虑生物利用度——静脉注射的生物利用度接近100%，因此DI直接等于辅料的注射剂量；肌肉注射则需乘以局部吸收效率（如某注射液每支含辅料B 5mg，肌肉注射的吸收效率为80%，每日1支则DI为4mg/天）。
局部。天/用制剂（如乳膏、眼膏）的暴露量计算更复杂：需用“涂抹面积×单位面积含量×透皮吸收率”。例如某皮肤乳膏含辅料C 0.5%，每日涂抹5g（覆盖100cm²皮肤），透皮率为3%，则DI为5g×0.5%×3%=0.75mg/天。
此外，还需关注“累积暴露”——若患者同时使用多种含相同辅料的制剂（如片剂+口服液），需将各制剂的DI相加，避免总暴露量超过安全阈值。比如患者用含辅料D的片剂（DI=15mg/天）和口服液（DI=10mg/天），总DI为25mg/天，这是评估的基础。
毒理学数据的分级与整合：从“零散”到“系统”
安全阈值的可靠性依赖数据的完整性，毒理学数据需按“相关性”和“可靠性”分级。一级数据是符合GLP标准的临床前研究：包括急性毒性（LD50）、亚慢性毒性（90天喂养试验）、慢性毒性（2年致癌性试验）、遗传毒性（Ames试验、微核试验），这些数据能直接反映辅料的毒性靶点（如肝损伤、基因突变）。
二级数据是临床研究的不良反应记录：比如某辅料在Ⅲ期临床试验中，1.2%的患者出现轻度恶心，虽未达“毒性”级别，但可辅助判断人体对该辅料的敏感性。三级数据是文献或数据库的间接数据：如类似结构化合物的毒性研究，可用于新型辅料的“桥接评估”（如辅料E与已上市辅料F结构相似，可参考F的毒性数据）。
数据整合时需解决“矛盾点”：若大鼠试验显示辅料G无肾毒性，但犬试验出现肾间质炎症，需分析物种差异——犬对某代谢产物的排泄能力弱于大鼠，因此优先采用与人类代谢更接近的猴试验数据（若猴试验无肾毒性，则以猴的NOAEL为准）。
此外，数据的“完整性”很重要：若仅做了急性毒性试验，缺乏亚慢性数据，则需增加不确定系数（后文会讲），弥补数据缺口。
剂量-反应关系：从试验数据到关键毒性值
剂量-反应关系是安全阈值的核心逻辑——“多少剂量会引发毒性”。最传统的关键值是“无可见有害作用水平（NOAEL）”：即试验中未观察到任何毒性反应的最大剂量。比如某辅料在大鼠90天喂养试验中，50mg/kg/day组无异常，100mg/kg/day组出现肝酶升高，则NOAEL为50mg/kg/day。
若试验中所有剂量组都有轻微毒性（无NOAEL），则用“最低可见有害作用水平（LOAEL）”，并除以10的系数（因LOAEL已存在毒性）。比如LOAEL为20mg/kg/day，则等效NOAEL为2mg/kg/day。
近年来“基准剂量法（BMD）”更受青睐：通过统计模型（如Logistic、Probit）拟合剂量-反应曲线，计算“使某毒性终点发生率达预定水平（如1%）的剂量（BMD）”，再取95%置信区间的下限（BMDL）作为关键值。比如某辅料的遗传毒性试验中，BMDL为15mg/kg/day，相比NOAEL，BMDL能利用试验的全部数据，减少主观性。
需要注意的是，不同毒性终点的关键值不同：比如肝毒性的NOAEL是50mg/kg/day，遗传毒性的BMDL是15mg/kg/day，则优先用更严格的遗传毒性关键值（15mg/kg/day）作为阈值计算基础。
不确定系数：动物到人类的“安全缓冲带”
动物试验数据不能直接套用于人类，需用“不确定系数（UF）”调整。基础UF由两部分组成：种属间差异（UF1=10，如大鼠到人的代谢差异）和个体间差异（UF2=10，如老人、儿童的敏感性差异），合计UF=100。比如大鼠的NOAEL为50mg/kg/day，转化为人类ADI为50÷100=0.5mg/kg/day（60kg体重为30mg/天）。
若数据存在缺陷，需增加额外UF：比如只有28天短期毒性数据（缺乏亚慢性数据），加UF=10，总UF=1000；若遗传毒性试验为阳性，加UF=100，总UF=10000。比如某辅料的短期NOAEL为100mg/kg/day，总UF=1000，则人类ADI为0.1mg/kg/day（60kg体重6mg/天）。
给药途径也会影响UF：注射剂的生物利用度高，UF需增加（如从100到1000）；局部用制剂的吸收少，UF可降低（如从100到10）。比如某辅料的大鼠注射NOAEL为10mg/kg/day，UF=1000，则人类ADE为0.01mg/kg/day（60kg体重0.6mg/天）。
暴露场景细化：让阈值更贴合真实用药
安全阈值不是“一刀切”的，需根据人群、用药周期调整。比如普通人群的ADI为0.5mg/kg/day，但儿童体重小，需按体重计算：10kg儿童的ADI为5mg/天，若某儿童制剂每片含辅料0.5mg，每日2片，则DI=1mg/天，远低于ADI。
孕妇的阈值需更严格：若某辅料的动物试验显示孕鼠暴露后胎儿体重减轻，需加UF=10（胎儿敏感性），总UF=200，人类ADE为50÷200=0.25mg/kg/day（60kg体重15mg/天）。
短期用药（如退烧药，用3天）和长期用药（如糖尿病药，用数年）的阈值不同：短期用药的UF可降低（如从100到10），因累积暴露少；长期用药的UF需增加（如从100到1000），因毒性可能累积。比如某辅料的短期ADE=30mg/天，长期ADE=3mg/天。
还需计算“暴露边际（MOE）”：MOE=NOAEL（或BMDL）÷ 人体暴露量。若MOE≥100（普通人群）或≥1000（特殊人群），则认为安全。比如某辅料的BMDL=50mg/kg/day，人体暴露量=0.1mg/kg/day，则MOE=500，符合安全标准。
替代方法：填补数据缺口的辅助工具
对于新型辅料（如纳米载体）或天然辅料（如植物提取物），常缺乏充足的动物数据，需用替代方法补充。体外试验是常用手段：比如用肝细胞培养评估肝毒性，若某辅料在200μM浓度下未引起细胞死亡，按“体外-体内剂量换算公式”（1μM≈0.1mg/kg/day），推测体内NOAEL至少为20mg/kg/day。
计算机毒理学（QSAR）可预测代谢途径：比如通过分子结构模拟，预测某辅料会被CYP3A4酶代谢为毒性产物，从而提前设计代谢研究，避免遗漏关键毒性靶点。
生物标志物能关联暴露与毒性：比如某辅料的尿液代谢产物X与肾毒性相关，若患者尿液中X浓度低于“安全阈值（10μg/ml）”，则说明暴露量未达毒性水平，验证阈值的合理性。
特殊辅料的阈值调整：应对复杂情况
天然辅料（如蜂胶、灵芝提取物）成分复杂，需按“总提取物”计算阈值：比如某蜂胶提取物含活性成分Y（NOAEL=10mg/kg/day），占提取物的10%，则提取物的NOAEL=10÷10%=100mg/kg/day。
纳米辅料的毒性机制特殊（如颗粒蓄积），需加“粒径系数”：100nm纳米颗粒的UF从100增加到1000，因纳米颗粒更容易进入细胞。比如某纳米辅料的NOAEL=10mg/kg/day，UF=1000，则人类ADE=0.01mg/kg/day（60kg体重0.6mg/天）。
含遗传毒性杂质的辅料：若辅料中含杂质Z（致癌风险10^-5），则杂质的每日可接受摄入量（TTC）为1.5μg/天，因此辅料中Z的含量需≤1.5μg/天 ÷ DI（如DI=10mg/天）=0.15ppm，否则需降低辅料用量。