在医疗科技飞速发展的2025年,临床试验领域正处于变革的关键节点。近日,第六届数字临床试验创新论坛(dTrial Forum 2025)在北京举办。来自临床试验与科技前沿的各路专家、创新者纷至沓来,围绕智能技术如何颠覆传统临床试验范式、驱动产业蓬勃发展展开 研讨。
在这场思维碰撞的盛宴中,医渡科技(2158.HK)生命科学事业部智能临床试验负责人郝原带来了一场题为《AI赋能临床研究:患者招募和数据管理》的精彩演讲。他深入剖析了大模型在临床研究中的应用价值,分享了一系列极具开创性的实践成果,为在场嘉宾们开启了一扇洞察行业创新变革的全新窗口。
大模型:医疗健康领域的革新引擎与发展大势
近年来大模型发展迅猛。尤其在医疗健康行业,大模型的应用得到了国家层面的重视与推动。国家卫健委牵头制定了人工智能在80多个医药相关领域的建设场景指引,涵盖药物研发、医学科研等多个方面,如智能辅助药研发、智能研究型病房建设等。
郝原提到,国外在 AI 赋能临床研究方面先行探索,已有不少成果,如麦肯锡报告显示 AI 在多临床研究领域效益显著。而国内也正积极探索,不断寻求在AI赋能临床研究上的突破与创新。
医渡科技依托在医疗人工智能领域技术能力和丰富经验积累,自主研发医疗垂域大模型,并深入探索大模型在临床研究中的应用。特别是在患者招募和数据管理等临床研究关键环节,开展了一系列实践探索,致力于为国内临床试验提供更高效、更智能的解决方案。
iRecruitment:“靶向”攻坚患者招募效率难题
面对大模型在临床应用中的挑战,郝原介绍,医渡科技基于自身沉淀的海量知识库、CDE(国家药品监督管理局药品审评中心)能力条件以及患者筛选成功和失败的数据,对模型进行预训练和精调,打造了70B的模型,并基于此构建了患者招募智能体iRecruitment。
iRecruitment 分别在医生工作站和患者端嵌入应用。其技术路线是将患者病历信息和临床试验纳入排除条件输入大模型,大模型自动进行条件拆解、分类和切片,输出文本相关性,再经排序得出最终符合度和匹配结论。同时,该模型还具备推理过程展示功能,能清晰解释判断依据。
郝原指出,iRecruitment在实际应用中展现出显著优势:大模型模式可节省90%以上人工配置成本,对医院多元异构、低质量数据具有强适应性,大幅降低治理成本,并支持多模态数据,提升患者招募的精准性和效率。在项目对比验证中,其准确率较传统规则模式平均提高3倍以上,且不依赖人工配置,泛化能力强,为临床筛选提供更优方案。
IEDC:打破临床试验数据管理困局的核心解法
在数据管理方面,郝原着重指出,临床试验数据管理长期面临数据量庞大、结构复杂以及传统管理方式效率低下、易出错等诸多挑战。而医渡科技推出的iEDC解决方案,正有效破解这些难题。
iEDC解决方案涵盖iDatabase智能建库、iCheck自动逻辑核查、iCollector数据自动录入、iReview智能数据清理和iInsight智能数据分析洞察多个组件,致力于实现数据采集统计全链路自动化,为临床试验数据管理带来全新变革。
iEDC各模块紧密协同,贯穿临床试验数据管理全流程,极大提升了数据管理的效率和质量,降低人工成本,为临床研究提供有力支持。医渡科技持续优化 iEDC,不断丰富功能、拓展应用场景,引领临床研究数据管理向智能化、高效化迈进,推动整个行业实现新的跨越发展。
医渡科技基于自研医疗大模型,在临床研究患者招募与数据管理领域实现突破性创新。随着AI技术迭代升级,公司将持续深化大模型在临床试验全流程的应用,引领行业智能转型。
