我們知道體外診斷試劑的參考區間是判斷檢測結果是否正常的重要依據，其建立依賴于對目標人群代表性樣本的統計分析。

但在實際研發過程中，常因樣本量不足、目標人群特殊性或倫理限制等問題導致樣本收集困難。為了解決這一問題，結合技術規范與實操經驗，提出系統性解決方案。

第一、樣本收集難點核心原因

1）目標人群的特殊性：若試劑適用于罕見病、特定生理階段（如孕婦）或地域性高發疾病，目標人群基數小，樣本自然稀缺。例如，用于新生兒遺傳代謝病篩查的試劑，需納入大量健康新生兒與患者樣本，但后者發病率可能不足萬分之一。

2）倫理與隱私限制：根據《來源于人的生物樣本庫樣本用于體外診斷試劑臨床試驗的指導原則》，使用生物樣本需通過倫理審查，且樣本來源需符合知情同意原則。部分醫療機構因流程繁瑣或合規風險，拒絕提供樣本。

3）樣本質量與多樣性要求：參考區間需覆蓋不同年齡、性別、種族等亞群，若某一亞群（如老年人群）依從性差，或樣本保存條件（如低溫運輸）難以滿足，可能導致數據偏差。

第二、樣本不足的替代策略與解決方案

1）充分利用生物樣本庫資源：我國已建立多個生物樣本庫（如國家人類遺傳資源共享服務平臺），可通過合作獲取符合要求的凍存樣本。需注意樣本的臨床背景信息完整性，包括年齡、性別、健康狀態等。或聯合多家醫院或第三方檢測實驗室，通過多中心研究擴大樣本來源。例如，針對腫瘤標志物參考區間建立，可整合不同地區腫瘤醫院的樣本資源。

2）優化入組策略與統計方法：

A.分層抽樣與亞群合并:當單一亞群樣本不足時，可合并具有相似生物學特征的群體。例如，將60-70歲與70-80歲老年人群合并為“老年組”，但需通過統計學檢驗確認合并合理性。

B.轉移參考區間:若已有同類產品在相同地理區域、種族人群中的參考區間數據，可通過驗證性試驗轉移使用。具體步驟包括：使用至少20例樣本驗證原參考區間的適用性；若超過2例超出原區間，需擴大樣本至40例重新驗證。

C.非參數統計法的靈活應用:當樣本量不足120例時，可采用Bootstrap重抽樣法擴大數據集，或使用穩健統計方法（如Horn's算法）降低異常值影響。

3）替代數據來源與模擬研究:

A.公開數據庫與文獻數據:利用NCBI、GEO等公共數據庫中的健康人群檢測數據，或引用已發表文獻的參考區間數據，結合自身試劑性能進行調整。

B.合成數據輔助建模:通過蒙特卡洛模擬生成符合目標人群分布特征的虛擬數據，但需與實際小樣本數據比對驗證，確保模型可靠性。

第三、罕見病試劑參考區間建立的實操路徑

以某遺傳性代謝病檢測試劑為例，目標人群發病率約1/10萬，常規收集患者樣本幾乎不可行。解決方案如下：

1）國際合作網絡：聯合國際罕見病組織（如EURORDIS）獲取跨境樣本；

2）長周期動態積累：通過連續3-5年的患者登記系統逐步積累樣本；

3）生物信息學補償：利用患者家系基因測序數據，結合代謝物濃度模型預測參考區間邊界值。

建議：

1）優先申請倫理豁免：向倫理委員會提交“回顧性研究”申請，使用已脫敏的剩余檢測樣本，避免重復采集。

2）利用人工智能輔助分析：開發基于機器學習的參考區間預測模型，輸入人群特征參數（如年齡、BMI）即可輸出區間范圍，減少對原始樣本的依賴。

3）推動樣本共享政策落地：呼吁行業協會建立體外診斷試劑專項樣本共享平臺，明確數據產權與收益分配機制，提升樣本利用率。