> **来源：[研报客](https://pc.yanbaoke.cn)** # 临床试验技术市场更新总结 ## 核心内容 本报告分析了2026年4月临床试验领域中人工智能（AI）的采用趋势，以及这些趋势如何影响临床试验的复杂性和监管环境。报告指出，尽管生物制药行业融资环境有所改善，但临床试验的复杂性仍在持续上升，给药企、CRO（合同研究组织）和试验机构带来了更高的成本和更长的开发周期。 AI在临床试验中的应用被视为解决这一复杂性的关键工具，尤其在试验设计、数据管理、患者招募和监测等方面。然而，由于监管框架尚未完善，AI的广泛应用仍受到一定限制。 ## 主要观点 - **AI在临床试验中的潜力** AI被广泛认为可以提高临床试验效率和质量，尤其是在试验设计和数据管理方面。通过AI驱动的“数字孪生”模拟和协议设计，可以预测试验结果并优化流程。 - **临床试验复杂性上升** 近年来，临床试验的复杂性显著增加，尤其在Phase III试验中，数据量增长了六倍。这主要由以下几个因素驱动： - **治疗领域复杂性**：肿瘤学、中枢神经系统疾病和传染病是当前临床试验的主要方向，这些领域的研究本身具有高度复杂性。 - **“药丸罚则”（Pill Penalty）**：《通胀削减法案》（IRA）对小分子药物的定价谈判限制，导致投资更倾向于复杂的生物制剂。 - **孤儿药政策**：2025年通过的《一个美丽伟大的法案》（OBBB）扩大了孤儿药的监管豁免，进一步推动了对复杂罕见病药物的投资。 - **数据过载**：许多数据采集是不必要的，导致患者负担加重，试验执行成本上升。 - **监管空白与AI采用的障碍** 当前AI在临床试验中的应用缺乏明确的监管框架，这使得药企和生物技术公司对采用AI技术持谨慎态度。FDA于2025年1月发布了关于AI在临床试验中使用的初稿指导文件，被认为是推动AI应用的重要催化剂。 - **AI与垂直SaaS的协同作用** 尽管AI可能会对通用型SaaS供应商造成一定冲击，但垂直SaaS供应商（如专注于临床试验的软件公司）由于其专业知识和专有数据资产，反而可能因AI而增强竞争力。 ## 关键信息 ### 临床试验复杂性指标（Phase III平均值） | 指标 | 2013-2015 | 2023-2025 | |------|-----------|-----------| | 总终点数 | 19.9 | 25.8 | | 总入选标准数 | 31.7 | 33.3 | | 总操作数 | 187.6 | 301.2 | | 总国家数 | 9.4 | 15.8 | | 总研究机构数 | 87.0 | 135.4 | | 计划访视次数 | 15.4 | 17.1 | | 随机化患者数 | 632.3 | 689.8 | ### 数据分类统计（百分比） | 数据类型 | 核心/必要数据 | 非核心数据 | 非必要数据 | 总计 | |----------|----------------|------------|-------------|------| | 问卷 | 44.6% | 37.1% | 18.3% | 55.4% | | 患者日记 | 59.0% | 37.5% | 3.5% | 41.0% | | 侵入性操作 | 67.0% | 25.9% | 7.1% | 33.0% | | 实验室/血液检测 | 70.6% | 16.0% | 13.4% | 29.4% | | 影像数据 | 79.0% | 14.9% | 6.1% | 21.0% | | 非侵入性操作 | 72.9% | 10.0% | 17.1% | 27.1% | | 常规操作 | 83.6% | 4.5% | 11.9% | 16.4% | | 药物发放 | 96.9% | 0.0% | 3.1% | 3.1% | | 其他 | 86.0% | 12.1% | 1.9% | 14.0% | ### 监管进展 - **FDA初稿指导文件**：2025年1月发布的FDA初稿指导文件为AI在临床试验中的使用提供了初步框架，强调基于风险的监管方法。 - **特朗普政府的AI政策**：2025年7月发布的“AI行动计划”和2026年3月的“国家政策框架”增加了AI在临床试验中的政策清晰度。 - **国际合作**：FDA与欧洲药品管理局（EMA）联合发布了关于未来AI监管的共同原则，推动了国际协作。 ### 交易案例 - **Project Chattanooga**：一个基于AI的临床试验数据智能平台，已通过卖方并购完成。 - **AI投资与收购**：多家公司已投资或被收购，以加强其在AI驱动的临床试验技术方面的竞争力。 ## 结论 AI在临床试验中的应用正逐步成为提高效率和优化流程的重要手段。然而，其全面采用仍受制于监管框架的不完善和数据过载的问题。随着FDA等监管机构的逐步规范，以及行业对AI技术的持续关注，AI有望在未来几年内显著提升临床试验的执行效率和科学价值。