行业推出新工具，分析师预计到2030年临床试验AI市场将达80亿美元

分析师预计，到2030年，临床试验中的AI将成为规模达80亿美元的业务板块，每年为制药行业创造高达1100亿美元的价值。做出这一预测之际，行业正面临一位制药公司高管所称的“临床洞察延迟（clinical insight latency）”问题——即试验中某件事情发生与研究人员获得足够信息并据此采取行动之间的时间差。

至少88%的组织已经有某项业务职能在使用AI，但只有约23%在部署agentic AI——也就是大量机器人（bots）被协同编排在一起，为组织完成重要任务。仅有5%的公司报告称，嵌入其系统的所有AI对他们产生了任何实质性价值。

在奥兰多举行的SCOPE活动参会人数创纪录，超过4,800人，多家公司宣布了新的AI驱动平台与能力。Trialbee发布了其Honey Platform中首批AI驱动能力套件，将真实世界招募数据转化为可执行的情报。该套件的亮点是AI生成的候选者摘要，可将关键的入组资格信息置于最醒目位置，显著减少研究中心在回顾转介患者病史与数据上花费的时间，从而加快处理速度。其他能力还包括重复患者与垃圾信息检测、对潜在个人身份信息（PII）的自动遮蔽、智能AI聊天机器人，以及患者触达优化。

ConcertAI发布了Accelerated Clinical Trials（ACT），这是一款企业级agentic AI平台，旨在实现自动化，并将预测性智能注入整体研究流程。该平台将真实世界数据与专有数据相结合，配合先进的AI工作流，帮助申办方与合同研究组织（CRO）将试验周期缩短10到20个月，并大幅降低成本。ACT构建于CARAai之上——这是该公司的多模态agentic AI平台，并部署一套专门打造的助理与智能体，用于自动化关键试验活动，如文献综述、方案设计、竞品试验分析、可行性评估、研究中心选择以及患者匹配。开发团队可使用其设计与写作工具，将设计周期以及代价高昂的方案修订（protocol amendments）减少50%。该平台的自动化验证策略还可将与研究中心选择、启动与招募相关的时间缩短25%到50%。

PhaseV推出了其AI驱动的Enrollment Lab解决方案，作为其ClinOps平台的附加层，使申办方能够在确定研究中心之前量化研究的入组潜力，并对限制条件与权衡取舍的影响进行建模。该公司的“人群优先”方法旨在利用电子健康记录（electronic health records）数据加速传统的中心层面问卷调查，实现对入组动态的实时建模。研究团队可使用Enrollment Lab探索替代方案，并评估特定纳入与排除标准如何影响患者规模。

总部位于巴塞罗那的AI公司Biorce宣布已完成5,250万美元A轮融资。本轮融资包括DST Global Partners的新投资；现有投资者Norrsken VC与YZR Capital加码参与；Mustard Seed Maze与Endeavor Catalyst亦参与其中。Biorce的使命是在全球范围内让临床试验更快速、更可靠且更易获得。其Aika平台建立在100万项临床试验的数据基础之上，旨在预判风险、减少错误，并消除方案修订，从而将新疗法的开发速度提升最高可达50%。

WCG发布了ClinSphere Trial IntelX，这是一款新一代预测性智能解决方案，基于超过80,000份完整方案与40,000项经过运营基准化的试验，为申办方与CRO在临床试验规划、设计与执行方面提供支持。该工具的关键特性包括：用于入组与绩效预测的agentic AI、对受试者与研究中心负担的评分、支持自适应方法学的入组预测与运营风险预警、与专家审核相结合的可解释AI，以及投资组合优化模块。Syneos Health被披露为首家采用Trial IntelX的客户。

Medable宣布推出其第三个agentic AI智能体，此次用于帮助研究中心减轻负担，并协助主要研究者（principal investigators）对电子临床结局评估（eCOA）数据进行监督与监测。该公司此前已发布用于自动化试验主文件（trial master file）流程与临床试验监查的智能体。

Bristol Myers Squibb负责研发运营全球IT的负责人强调，要实现AI的潜力，需要重新设计工作流，而不是把AI“外挂”到现有流程上。由于现代AI正以指数级速度变化，未来五年临床运营形态的关键愿景围绕四大支柱展开，其中第一项是“自主临床工作流”。工作的完成方式将不再是线性的、手工的或被动反应式的，而是要规划多步骤工作流、跨系统执行、持续监测结果，并仅在需要人类判断时才升级处理。

使这一切成为可能的关键技术转变包括自主智能体、agentic架构以及agentic AI。过去“先开发流程，再设计技术予以支持”的旧信条需要被彻底摒弃。价值不会来自于在既有、长期沿用但效率低下的流程上简单叠加AI。

多模态AI——能够读取文档、图像与视频的那种——将成为关键推动力，使人类从获取、理解与综合所有信息的工作中解放出来。神经符号AI（neuro-symbolic AI）同样重要，它将识别能力与规则相结合，用以论证某项建议或洞察的合理性，因此也可能支持对监管路径的决策。