阿斯利康与甲骨文签署非约束性协议，测试AI用于临床试验招募

两家公司表示，阿斯利康与甲骨文已签署一项非约束性协议，借助甲骨文的技术帮助阿斯利康团队为肿瘤、心血管、肾脏和代谢疾病、呼吸与免疫以及罕见病领域的试验寻找患者。按照计划，双方会把AI模型用于临床研究和日常诊疗中的去标识化数据，为未来研究的设计、安全性监测和患者护理措施提供参考。

甲骨文的技术将用于欧洲、美国和中东的多个临床项目。第一个项目与总部位于阿布扎比的医疗企业M42合作，聚焦高血压。阿斯利康表示，阿斯利康与M42的临床团队将用这项技术，为计划中的临床研究找出血压控制不佳的患者。

两家公司表示，合作方计划建立共同治理机制、可复用的技术组件和商定的结果衡量指标，用来评估结果，并判断行之有效的方法能否推广到其他疾病领域和地区。

阿斯利康首席执行官Pascal Soriot表示：

“把阿斯利康世界一流的科学与甲骨文深厚的数据和技术专长结合起来，我们可以帮助临床医生更早发现患者，优化临床试验，并在药物的整个生命周期中持续积累证据。”

甲骨文的Mike Sicilia表示：

“AI最重要的一些机会在医疗领域，更好地利用数据有助于把科学创新转化为患者更好的治疗结果。我们有机会帮助加快研究，让更多患者参与临床试验，并最终让相关洞见更快进入诊疗。”

招募为何重要

寻找患者是药物研发中最慢的环节之一。据The Next Web报道，试验招募进度慢，试验就会拖得更久、花费更高。据MM+M报道，申办方和监管机构也在把招募策略纳入方案设计和试验中心选择，而不是把它当作最后关头的广告宣传。

据MM+M报道，AI可以筛查多得多的患者，却无法解决过于严格的入组标准、缺失的健康数据或地理障碍。这限制了任何单一招募工具能起到的作用。

证据与局限

关于AI入组合格性筛查的研究仍处于早期。Jin及其同事在2024年报告称，TrialGPT在1015对患者与标准组合上的合格性判断准确率为87.3%，在用户验证中将筛查时间缩短了42.6%。Unlu及其同事在2025年随机分配了4476名心力衰竭患者。有语言模型支持时合格率为20.4%，人工判断为12.7%；入组患者分别为35人和19人。TrialGPT的测试使用的是合成数据，心力衰竭的对比只覆盖一家中心和一项试验。

两家公司没有给出招募的启动日期，也没有说明M42高血压项目的患者目标数量。