在竞争激烈的临床研究赛道,效率与精准度至关重要。但传统患者招募效率和精准度欠佳,复杂疾病临床试验筛选准确率不理想,致研究周期拉长、成本增加,数据管理层面同样面临诸多挑战。
如何突破这些困境,成为行业亟待解决的关键命题。
在2025CMAC会议医渡科技“AI 解锁临床研究新场景,重构智慧医疗新生态”学术沙龙中,医渡科技生命科学事业部智能临床试验负责人郝原分享了“AI赋能临床研究:场景实践突破与应用”。
医渡科技针对临床试验各环节的专业性与独特性,定制专属解决方案,开发一系列智能体应用,实现全链路AI化,使临床研究效率得到指数级提升。
据郝原介绍,医渡科技运用大模型 AI 全面赋能临床研究全流程,构建起一套完备且高效的解决方案。数据层将多模态数据汇聚于临床研究数据中心,为后续环节筑牢基础;算法层依托基础模型,融合知识与数据集打造专用模型和智能体;应用层更是亮点突出,支持从临床研究方案设计、患者招募到疗效预测等多个关键环节,尤其是iRecruitment借助大模型精准匹配医患,提升招募效率;iEDC通过多模块实现数据管理全流程智能化,共同为临床研究赋能。
iRecruitment:革新患者招募模式
在临床研究中,患者招募是关键环节,传统方式效率低、准确率不高。医渡科技的 iRecruitment 解决方案借助 AI 技术,实现了患者招募的智能化变革。该方案通过病历理解大模型,对全量临床病历、项目纳排条件、医学指南文献等数据进行深度分析,训练出患者招募智能体。
在实际应用中,iRecruitment 在医生端和患者端发挥着重要作用。医生端基于患者病历推荐试验,当医生接诊患者时,系统能快速分析患者病历,精准推荐适合的临床试验项目,并给出推荐依据;患者端基于患者对话推荐试验,患者可通过与系统对话,系统根据对话内容智能匹配临床试验。
相比传统人工和筛选器招募,iRecruitment 优势明显,基于大模型可以节省90%+的人工配置成本。在肝癌和淋巴瘤等项目对比验证中,大模型模式准确率相比大数据配置规则平均提升3倍以上,且不依赖配置人员能力,具备较强的泛化能力。
iEDC:重塑临床研究数据管理流程
iEDC 是医渡科技针对临床研究数据管理推出的一套全面解决方案,涵盖iDatabase、iCheck、iCollector、iReview和iInsight五大模块,实现了数据管理和统计分析效率的指数级提升。
iDatabase:
极速建库,抢占研究先机
iDatabase借助多模态大模型解析研究方案文档,精准抽取关键信息,自动生成符合标准的Excel模板用于EDC系统配置,还能智能纠错,检测潜在冲突,对比方案与EDC配置历史。
传统人工建库需3-4 周,而iDatabase仅需1周,大幅缩短建库周期,加速临床试验启动。
iCheck:
智能核查,保障数据精准
iCheck实现逻辑核查自动化,能AI解析自然语言描述并生成代码,提升配置效率。其冲突检测功能确保逻辑准确,方案变更时自动更新核查逻辑。
人工编写300条逻辑规则需15天,iCheck 仅需2-3天,还能精准处理复杂逻辑,保障数据精准性。
iCollector:
高效录入,优化数据采集
iCollector变革数据录入模式。CRC将源数据汇聚到平台,借助AI大模型实现EDC自动录入,再核对保存,效率提升约50%,且质量有双重保障。CRA可远程查阅数据、自动核查,降低监查成本。
iCollector支持多源数据采集,适用于多种研究场景。
iReview:
实时智检,守护数据质量
iReview基于AI大模型,实时扫描EDC数据,0延迟暴露问题,全流程自动化质疑处理。
iReview与主流EDC实时联动,在复杂逻辑兼容性、核查实时性和自动化率上优势明显,可将数据清理周期压缩至1周,效率提升约50%。
iInsight:
深度洞察,辅助科学决策
iInsight作为智能数据分析中枢,通过语义理解生成分析代码,提升分析效率。能生成交互式看板,提供丰富模板,支持自定义图表与合规报告导出,并与EDC深度集成,实现数据实时同步分析。
相比常规编程分析,无需编程能力,降低人工成本,助力科学决策。
iEDC各模块协同,从建库、核查、录入、清理到分析,为临床研究提供高效、智能的数据管理支持,推动行业智能化发展。我们也会持续进行产品的更新迭代,丰富功能、拓展场景,推动临床研究数据管理迈向新高度。
医渡科技的iRecruitment和iEDC等解决方案,在大模型技术的支持下,为临床研究带来了高效、精准、智能的变革。这些创新成果不仅提升了临床研究的效率和质量,也为医疗行业的发展注入了新的活力,推动临床研究的高效发展。
