核心观点与关键数据
- 背景与挑战：2020-2021年新冠临床试验规模激增，但多数疾病临床试验参与率低（如癌症低于10%），招募困难、成本高（平均近10年、超10亿美元）、时间久，导致约三分之一的Phase 3研究因招募失败而终止。
- 技术驱动变革：为解决上述问题，技术公司正开发解决方案，包括远程监控设备、机器学习处理电子健康记录（EHR）、AI网络安全等，推动临床试验市场价值达670亿美元。
关键领域与趋势
-
患者招募：
- 挑战：EHR数据格式不统一、数据孤岛问题严重，导致患者匹配困难。
- 解决方案：利用自然语言处理（NLP）提取分析EHR数据，匹配患者与临床试验。主要参与者包括：
- 初创公司：Deep 6 AI（实时推荐试验）、SubjectWell（临床试验市场）、Reify Health（优化匹配）、Antidote（医生网络）、ObvioHealth（居家试验App）等。
- 大型科技公司：Google Health Studies（利用安卓用户数据）。
- 影响：市场将保持碎片化，整合EHR数据、融入医生工作流的方案优势明显，大型科技公司将利用其数据优势扩张。
-
去中心化临床试验（DCTs）：
- 定义：通过本地医疗机构或远程医疗完成试验，减少面对面访问，简化流程。
- 优势：提高农村地区和多样化人群的试验可及性，节省时间和成本。
- 主要参与者：Medable、Science37、Curebase、Huma、ObvioHealth、Reify Health（Care Access平台）、Hawthorne Effect、Florence Healthcare等。
- 影响：预计将持续获得资金，但数据互操作性仍是挑战，传统药企和CRO将寻求合作或收购。
-
真实世界数据（RWD）：
- 定义：涵盖患者健康状况和医疗服务的数据（如EHR、理赔、可穿戴设备等），用于补充临床试验数据。
- 应用：改善试验设计、提高成功率、支持监管决策（如FDA已发布相关指南）。
- 主要参与者：Aetion、Tempus、Evidation、Syapse、ConcertAI、Holmusk等。
- 影响：市场将快速增长，推动监管政策更新，显著降低试验成本和时间，提高成功率。
-
计算机模拟试验（In Silico Trials）：
- 定义：使用计算模型模拟药物、设备或干预措施对虚拟人群的影响，以替代或补充传统试验。
- 优势：降低成本、缩短时间、减少对受试者的风险，实现个性化评估。
- 主要参与者：Unlearn（数字孪生）、Novadiscovery（生物模拟）、GNS Healthcare（因果AI模拟）。
- 影响：高度依赖真实世界数据，短期内将作为传统试验的补充而非替代，监管机构将逐步建立相关数据规范。
研究结论
未来临床试验将更高效、低成本、更具包容性，向去中心化、居家服务和模拟患者方向发展。AI、互操作数据、远程监控等技术将推动变革，降低药物开发成本和时间，并使试验结果更贴近多样化患者群体。
