编辑推荐：
细胞疗法越来越多地在封闭式、自动化培养系统中生产，然而关于细胞质量、安全性和放行的决策仍然在很大程度上依赖于抽样稀疏、破坏性且离线的检测方法。过去5年中，在开发能够在细胞培养环境中实时测量关键生化指标和理化指标（包括代谢物、离子种类及蛋白质相关应激指标）的生物
细胞疗法越来越多地在封闭式、自动化培养系统中生产，然而关于细胞质量、安全性和放行的决策仍然在很大程度上依赖于抽样稀疏、破坏性且离线的检测方法。过去5年中，在开发能够在细胞培养环境中实时测量关键生化指标和理化指标（包括代谢物、离子种类及蛋白质相关应激指标）的生物传感器方面已取得重大进展。然而，大多数系统仍与生产流程脱节，无法支持可操作的过程控制。本文（观点文章）探讨了下一阶段的创新需求，以及将生物传感器重新定位为过程分析技术（process analytical technology，PAT）的必要性，推动该领域从描述性监测转向细胞疗法制造中集成的、决策驱动的控制。
细胞疗法制造正处于从传统离线质量检测向实时过程控制转型的关键时期。近年来，封闭式自动化培养系统的普及显著提高了生产过程的可控性，但关于细胞质量、安全性和放行的决策仍主要依赖稀疏采样、破坏性且离线的终点检测。这种“黑箱”式的培养扩增阶段使得关键细胞状态变化难以及时发现，往往在终点检测时已丧失干预窗口。过去5年，实时生物传感技术虽然在复杂培养环境中的代谢物、离子和蛋白质相关应激指标监测方面取得了显著进展，但多数系统仍停留在观察工具层面，未能与生产决策有效关联。为此，研究人员在《TRENDS in Biotechnology》发表观点文章，提出将生物传感器重新定位为过程分析技术（process analytical technology，PAT），推动该领域从描述性监测转向集成的、决策驱动的过程控制。
研究人员首先系统梳理了当前实时监测在细胞质量控制中的局限性。现阶段，培养进程判断、干预决策和批次放行仍依赖离散时间点的破坏性离线检测，尤其在封闭和半封闭系统中，采样受污染风险、样品体积限制和法规约束而极为有限。传感器输出的个体测量值往往缺乏与关键质量属性（critical quality attributes，CQAs）的关联，例如嵌合抗原受体T细胞（chimeric antigen receptor T cell，CAR-T）扩增过程中乳酸的快速积累可能提示高度糖酵解代谢，而葡萄糖下降伴溶解氧（dissolved oxygen，DO）降低则可能提示搅拌釜生物反应器中的氧限制性生长。传感器漂移、生物污染、局部微环境效应和再校准等实际挑战进一步降低了长期测量的可信度。
该研究将可测量的参数按转化成熟度分为三类：已建立的生产监控变量（pH、DO、温度、CO?、细胞密度/电容）、新兴整合变量（葡萄糖、乳酸、多变量培养基组成、形态学与聚集），以及研究阶段变量（活性氧、乳酸脱氢酶、细胞因子/分泌蛋白、内毒素/微生物污染物）。研究指出，并非所有CQAs都适合连续监测，有效控制需要以决策为中心而非以参数为中心的传感策略，目标是识别最小信息集而非冗余测量积累。例如，细胞密度联合DO可区分正常扩增与氧限制性生长；培养条件稳定时LDH升高可能提示早期膜损伤，可支持在培养质量广泛下降前进行调查和纠正干预。
在转化障碍方面，研究识别出四个相互关联的核心挑战：生物污染与基质效应导致信号漂移、采样几何与空间异质性降低测量代表性、信号不稳定与校准漂移损害长期可解释性，以及封闭制造系统集成与验证法规要求。搅拌釜反应器通常混合均匀，单点测量具有较好代表性；而G-Rex等静态或半静态系统可能出现氧、营养物和代谢物的局部梯度，CliniMACS Prodigy等自动化平台则具有独特的流体力学特性。这些平台差异要求采用分布式传感、优化传感器放置、或通过无菌采样回路和一次性流通池进行在线（at-line）测量等策略。
面向下一代生物传感的路线图，研究人员提出五方面优先方向：第一，开发有目的性、应用特异性的多重测量策略，协调代谢、理化与应激指标的组合，而非追求参数数量；第二，构建冗余与容错机制，通过重叠测量或独立信号交叉验证区分传感器异常与真实生物学变化；第三，发展智能数据分析框架，结合人工智能、模型辅助推断和数字孪生技术，将实时传感器数据与机理过程模型和制造知识整合，形成动态虚拟表征以预测未来培养状态；第四，明确设计闭环兼容的传感系统，建立传感器输出与过程干预之间的清晰接口，例如当DO低于预设范围而细胞密度持续增加时可自动调整通气或搅拌，当LDH持续超过工艺特定限值或确认微生物相关信号时可启动追加污染检测或批次暂扣；第五，建立面向制造用途而非仅分析性能的验证框架，包括长期稳定性、重现性和工艺兼容性。
讨论部分指出，经验证的PAT框架还可通过实时放行检测（real-time release testing，RTRT）为产品放行策略作出贡献。RTRT方法利用实时过程测量、过程理解和既定控制策略评估产品质量，而非仅依赖终点检测。该概念已应用于传统生物制药制造，例如拉曼光谱已用于实时监测营养物消耗、代谢物积累和产品相关工艺属性。但在细胞疗法制造中，由于CQAs的复杂性，近期更可能实现部分RTRT，即验证过的实时测量支持部分放行决策或减少终点检测范围，而非完全替代传统放行检测。
研究结论认为，细胞疗法制造中的实时生物传感进展迅速，但向常规过程控制的转化仍然有限。主要挑战已不再是能否测量相关参数，而是能否可靠生成测量数据并合理解释以支持及时的制造决策。未来进展将取决于稳健的传感器-生物界面、有目的的测量策略、预测分析以及封闭制造系统集成。如果实现，生物传感器将成为提高细胞产品一致性和深入理解动态细胞培养生物学双重目标的关键工具，通过支持更早干预和降低批次不确定性，改善产品质量、降低制造成本并促进细胞治疗的可及性。关键未解问题包括：哪些实时测量真正可跨平台预测CQAs、如何在持续数天至数周的培养中维持校准稳定性、需要何种冗余和容错水平才能支持制造干预或批次放行决策、人工智能是否能从有限实时输入可靠预测未测细胞状态、哪些传感策略最适合封闭可扩展受监管的制造系统、以及如何验证传感器引导过程控制的决策阈值和干预规则。
