毒理学风险评估是识别化学物质潜在危害、保护人群健康的核心工具，其可靠性高度依赖完整的毒性、暴露及人群敏感性数据。然而，实际工作中数据缺口普遍存在——或因试验周期长、成本高，或因暴露场景复杂（如新型污染物缺乏长期监测数据）。如何系统处理这些缺口，既不高估风险引发过度管控，也不低估风险造成健康隐患，是毒理学家和风险管理者的关键课题。本文结合国际导则（如OECD、EPA）与实践案例，梳理数据缺口的识别、优先排序、替代补充及不确定性管理策略，为科学评估提供可操作路径。
数据缺口的识别与分类
数据缺口的处理第一步是精准识别——需对照毒理学风险评估的核心框架（危害识别、剂量反应关系、暴露评估、风险表征），逐一梳理各环节的信息缺失。例如，在危害识别阶段，若某化学物质缺乏基因毒性（如Ames试验）或生殖毒性试验数据，即形成“毒性终点缺口”；在暴露评估阶段，若某地区人群对某农药的膳食摄入量未开展监测，即形成“暴露场景缺口”。
为后续策。）露暴态略制定，需进一步分类：按数据类型可分为三类——一是“毒性数据缺口”（如缺失NOAEL/LOAEL值、代谢途径研究），二是“暴露数据缺口”（如缺失人群实际接触浓度、暴露频率），三是“人群敏感性数据缺口”（如儿童或孕妇的药代动力学参数缺失）；按缺口原因可分为“试验未开展型”（如新型纳米材料缺乏长期毒性试验）、“数据不可靠型”（如早期小规模动物试验的结果变异性大）、“场景不匹配型”（如实验室静态暴露数据无法反映实际环境中的动态暴露）。
分类的关键是明确“缺口的性质”——例如，“毒性数据缺口”需聚焦补充试验或替代方法，“暴露数据缺口”需加强监测或模型模拟，避免用统一策略处理所有缺口。
基于风险相关性的优先序排序
数据缺口往往无法一次性全部填补，需基于“风险相关性”排序——即优先处理对风险评估结果影响最大的缺口。国际上常用“风险影响-填补难度”矩阵：“高影响-低难度”缺口（如缺失某农药的NOAEL值，可通过现有LOAEL值乘以不确定因子快速补充）需立即处理；“高影响-高难度”缺口（如缺失某新型污染物的人群致癌性数据，需长期人群队列研究）需制定长期计划；“低影响-低难度”缺口（如缺失某化学物的皮肤刺激性数据，而实际暴露以吸入为主）可暂缓处理。
排序的核心依据是“缺口与风险的关联度”。例如，对于食品中的人工甜味剂，“长期代谢毒性数据缺口”直接影响ADI值的计算，关联度高，需优先补充；而“急性口服毒性数据缺口”（因实际摄入量远低于LD50）关联度低，可后置。再如，对于职业暴露的有机溶剂，“短期暴露极限（STEL）数据缺口”关联度高（影响工人的小时暴露控制），需优先通过现场监测补充；而“长期蓄积毒性数据缺口”（因职业暴露有轮换制度）关联度较低。
排序需避免“唯数据完整性论”——不是填补所有缺口，而是填补“对风险决策有决定性影响”的缺口，保证资源高效利用。
现有数据的深度挖掘与跨场景整合
当新数据难以快速获取时，挖掘现有数据的价值是最经济的策略。常见方法包括三种：一是“meta分析”——整合多个独立研究的结果，提高统计置信度。例如，某农药的生殖毒性试验有5项小样本研究，结果不一致，通过meta分析可合并效应量，得出更可靠的LOAEL值；二是“交叉参照（read-across）”——利用结构或功能类似物的数据填补缺口。例如，化合物X（新型阻燃剂）缺乏慢性毒性数据，但化合物Y（结构类似、均通过肝脏代谢）有完整的2年大鼠试验数据，若验证两者代谢途径一致，可将Y的数据外推至X；三是“权重证据法（WoE）”——综合不同层级的数据（如体外试验、动物试验、人群流行病学数据）评估因果关系。例如，某化学物的体外基因毒性试验阳性、动物试验显示肝肿瘤发生率升高、人群队列显示暴露组肝功能异常风险增加，三者整合可支持“肝毒性”结论，即使某一项数据缺失。
需注意边界条件：meta分析需排除异质性大的研究（如物种差异、试验设计不同）；交叉参照需验证“类似物的生物等效性”（如代谢产物相同、作用靶点一致）；权重证据法需明确“证据的强度”（人群数据权重高于动物试验，动物试验高于体外试验），避免倒置权重。
例如，欧盟在评估新型纳米材料的毒性时，常通过“交叉参照”整合传统纳米材料（如二氧化钛纳米颗粒）的现有数据，同时结合体外细胞毒性试验结果，形成“替代型证据链”，避免因缺乏长期动物试验数据而停滞评估。
替代测试方法的合规性应用
替代方法是填补数据缺口的重要工具，核心是“合规性”——需符合国际或国内的技术导则（如OECD、EPA的替代试验准则）。常见方法分为三类：一是“体外试验”，如OECD TG 423（急性毒性替代试验，用小鼠淋巴瘤细胞）、TG 471（Ames试验，基因毒性），可替代部分动物试验；二是“in silico模型”，如定量结构-活性关系（QSAR）模型（预测理化性质或毒性终点）、生理药代动力学（PBPK）模型（模拟体内代谢过程）；三是“高通量筛选（HTS）”，如EPA的ToxCast项目，通过机器人系统快速测试化合物对500+生物靶点的影响。
应用的关键是“匹配缺口类型”：例如，缺失急性毒性数据时，可选用OECD TG 423体外试验；缺失代谢途径数据时，可构建PBPK模型模拟肝脏代谢；缺失基因毒性数据时，可选用Ames试验或QSAR模型（如Toxtree软件预测致突变性）。需强调“模型的可靠性”——比如QSAR模型需满足OECD的“五原则”：明确的毒性终点、定义清晰的适用域（如仅适用于有机化合物）、经过验证集检验（预测准确率≥80%）、有合理的机理解释（如化合物的苯环结构与致突变性相关）、量化不确定性（如预测结果的置信区间）。
例如，美国FDA在评估某新型药物的儿童剂量时，因无法开展儿童临床试验，采用PBPK模型模拟儿童的药代动力学参数（如肝酶活性、体重），结合成人的毒性数据，计算儿童的安全剂量，避免了数据缺口导致的决策延误。
不确定性的量化分析与透明化呈现
数据缺口必然带来不确定性，关键是“量化”与“透明化”。量化方法包括：一是“不确定因子（UF）”——当NOAEL缺失时，用LOAEL乘以UF（通常10-100），UF的取值基于缺口类型（如缺失生殖毒性数据取UF=10，缺失人群数据取UF=10）；二是“概率模型”——如蒙特卡洛模拟，通过随机抽样分析多个不确定参数（如暴露量的分布、UF的取值）对风险结果的影响。例如，某化学物的暴露量服从正态分布（均值5mg/kg，标准差1mg/kg），LOAEL=100mg/kg，UF的取值范围是10-100，模拟结果显示风险商（RQ）的95%置信区间是0.05-0.5，即风险处于“可接受”范围，但存在波动。
透明化是让决策方理解局限性的核心——需在评估报告中明确：（1）数据缺口的具体位置（如“缺失儿童的药代动力学数据”）；（2）填补缺口的假设（如“假设儿童的代谢速率与成人相同”）；（3）不确定性的大小（如“RQ的95%置信区间为0.05-0.5”）；（4）假设的合理性（如“成人与儿童的肝酶活性差异≤2倍，因此UF=10是保守的”）。
例如，欧盟在评估某新型农药的风险时，明确写出：“因缺失蜜蜂的长期暴露数据，采用短期暴露数据乘以UF=10，该假设可能高估蜜蜂的风险，需后续开展田间监测验证。”这种透明化让决策者能权衡风险与不确定性，做出合理选择。
基于阶段性证据的动态补充策略
数据缺口的填补往往不是“一次性完成”，需建立“动态补充机制”——先基于现有证据做初步评估，再根据后续获得的新数据逐步完善。例如，某新型纳米材料的早期数据只有体外细胞毒性试验，可先采用“体外数据+UF=100”做初步风险评估；当完成6个月大鼠试验后，用NOAEL值替代体外数据，更新评估结果；当获得人群暴露监测数据后，再调整暴露量参数，进一步优化评估。
关键是“建立数据追踪机制”：一是“文献检索”——定期（如每6个月）检索Pubmed、Web of Science等数据库，关注新发表的毒性或暴露研究；二是“合作研究”——与高校、科研机构合作，针对缺口开展针对性试验（如儿童的药代动力学研究）；三是“数据共享”——利用国际数据库（如OECD的eChemPortal）获取公开的毒理数据，避免重复试验。
例如，美国EPA对某新型除草剂的评估：2018年基于动物试验数据发布初步报告，2020年补充了人群膳食暴露监测数据，2022年补充了基因毒性体外试验数据，每两年更新一次，保证评估结果与最新证据一致。
跨学科专家团队的共识决策
数据缺口的处理涉及多个环节（毒性、暴露、统计、决策），需建立“跨学科专家团队”——包括毒理学家、统计学家、暴露科学家、风险管理者、公共卫生专家。例如，处理某食品添加剂的“长期毒性数据缺口”时，毒理学家评估替代方法的适用性，统计学家分析现有数据的置信区间，暴露科学家提供人群实际摄入量，风险管理者权衡管控成本与健康收益，公共卫生专家关注儿童的暴露敏感性，共同制定策略。
共识形成的常用方法是“德尔菲法”或“专家研讨会”：德尔菲法通过多轮匿名问卷调查，避免权威专家的主导；专家研讨会通过面对面讨论，解决争议点。例如，针对“基因毒性数据缺失”的问题，毒理学家建议开展Ames试验（需1个月），统计学家认为现有体外数据的置信区间已足够（95%CI：0.8-1.2），风险管理者认为需尽快决策，最终共识是“先用现有体外数据做评估，同时开展Ames试验，若试验结果阳性则更新评估”。
跨学科团队的核心是“平衡科学与决策”——既保证评估的科学性（如替代方法的合规性），又满足决策的时效性（如避免因数据缺口无限期延迟管控），避免单一学科的偏见。