AI盯上患者招募

AI技术在医药研发领域的应用正在不断扩展，热度持续攀升。

此前，市场的主要关注点集中在分子层面。例如，哪家公司利用人工智能发现了高潜力的候选化合物，或者哪家将先导化合物发现的时间缩短了一半。

作为创新药物的起点，分子发现无疑是最关键的战场。然而，制药过程不仅限于分子筛选，还包括临床验证环节。在临床试验中，人工智能同样能发挥重要作用。患者招募、临床试验设计优化等方向，正吸引大量参与者涌入。

10月20日，阿斯利康与甲骨文宣布合作，再次将人工智能聚焦于临床环节：如何精准找到合适的患者，更高效地推进临床试验？

01 打开临床患者招募的大门

阿斯利康并不缺乏人工智能技术。其与甲骨文的合作，并非为了弥补AI制药方面的短板。

根据公开信息，合作目标是“利用现代应用和人工智能，提升临床试验的效率与成功率”，适应症涵盖肿瘤、罕见病，以及心血管肾代谢、呼吸和免疫领域。

换言之，阿斯利康希望将人工智能引入临床中最难突破的环节：患者招募。这一逻辑不难理解，临床招募堪称新药研发中最复杂的过程之一。

首先是效率问题。在传统临床试验中，一名协调员可能需要翻阅50到100份病历，才能筛选出一名合格受试者。这背后反映的是周期挑战。

其次是成功率难题。签署知情同意书后，最终因入排标准而被排除的患者并不少见。在印度塔塔纪念中心一项涉及7481名筛查患者的审计中，筛败率高达51.0%。

这意味着，临床试验受阻不仅因为找不到足够多的患者，更因为找不到合适的患者。美国FDA在2025年关于真实世界证据的报告中提到，在美国约4000项临床试验中，超过70%的潜在患者因入排标准被拒之门外。

正因如此，阿斯利康首席数字、数据与AI官Anne-Claire Gerbaldi表示，太多患者确诊过晚，或者需要走很长的路才能获得所需的照护。

02 效率提升与成本降低，证据日益增多

当然，利用人工智能改善临床招募效率和成功率的尝试并非新鲜事物。从全球范围看，不仅参与者众多，可行性的证据也在不断积累。

例如，NIH团队开发的TrialGPT，作为大语言模型用于患者与试验匹配的系统，在183名合成患者和7.5万余条试验标注上进行评估，匹配准确率达到87.3%。Jin等人2024年在《自然·通讯》发表的论文中，人类专家的准确率在88.7%至90%之间，两者几乎持平。

更关键的是速度。在同一项用户研究中，使用TrialGPT的医生，筛选时间比手动筛查缩短了42.6%，且准确性未受影响。

类似思路已落地为产品。myTrialsConnect利用生成式AI自动审阅病历、对照入排标准，为患者建立“虚拟候诊室”；NLP工具能在几分钟内对成百上千名候选人进行预筛，将原本需要一周的工作压缩至几小时。

在医院层面，数据更为具体。《自然综述·临床肿瘤学》2026年发表的一项研究显示，MatchMiner等工具将单例患者的筛选时间从110分钟降至24分钟，部分工具的效率提升超过90%。

在MediSearch 2026年的基准测试中，数字化招募渠道带来的入组速度是传统方式的2到3倍。

波士顿的真实世界数据平台Celvion的切入点，是利用NLP处理传统RWD平台无法应对的非结构化文本，例如病理报告中的自由文本、医生手写的随访笔记，甚至患者论坛上的自述症状。

据其披露的基准测试，在同样的实体瘤患者分型任务中，模型识别出的亚群数量是传统统计方法的3倍以上，且这些亚群在生存曲线上的分离具有统计学显著性。

变革正在发生。这种情况下，自然会有更多药企加入这一领域。

03 既要快、也要准，更要优

回归真实世界逻辑，在患者招募环节，效率并非唯一考量因素。

MatchMiner的通知式干预在实际部署中，未能显著提升整体入组率；威斯康星医学院落地OncoLLM-CW后，协调员的工作时间确实缩短，但AI匹配出的候选人在人工复核时被大量排除。

原因在于，出行障碍、名额限制、患者意愿、医生判断等因素，算法暂时无法替代。

这必然会推高直接临床成本。因为筛败代价昂贵：患者的检查、化验、影像已经完成，协调员和研究者的时间已经投入，最终却未能获得可入组的数据。行业常用估算显示，每次筛败的成本约为1200美元。

更完整的成本数据来自Tufts CSDD：招募一名受试者平均花费6533美元，替换一名中途退出的受试者需要19533美元。

当然，相比于筛败，更关键的是临床成功率能否提升？

临床入组患者的识别至关重要，部分AI企业希望带来改变。但在晚期非小细胞肺癌、复发难治多发性骨髓瘤等一些实践中，结果显示，基于AI工具，患者入组效率提升、患者更符合入组标准，但生存结局的风险比并未显著改变。

技术最终是为结果服务。如何借助人工智能提高临床端的效率和成功率，显然是所有参与者需要持续思考的问题。了解更多关于AI在临床试验中的应用，可访问开云官方网站-登录入口。

本文来自微信公众号“氨基观察”（ID：anjiguancha），作者：郑晓，36氪经授权发布。