# AI临床试验患者招募
扫描结构化与非结构化电子健康记录、识别符合临床试验入组标准患者，并基于实时人群数据对候选试验机构评分的机器学习软件，取代了使患者招募成为试验开始前最大瓶颈的人工病历审查。
Source: https://cn.bioecon.ru/technology/ai-clinical-trial-patient-recruitment/
Updated: 2026-09-25
## 概述与价值链
Markers: [EC: AI-based matching of patients to clinical trials and data-driven trial site selection | OECD: Biopharmaceutical clinical development | Regulator: FDA (US), EMA (EU)]
AI临床试验患者招募平台扫描结构化与非结构化电子健康记录数据，识别符合试验入组标准的患者，取代临床研究人员数小时的人工病历审查。Deep 6 AI优化临床试验机构筛选，使申办方能够依据实时人群与筛查数据而非仅凭历史机构表现指标来选择机构。TriNetX于2026年1月推出对话式AI界面并增强API能力，作为致力于普及临床研究分析的平台升级的一部分，成功降低了试验成本与周期。Antidote Technologies旗下的Antidote.me以企业按效果付费模式为医生提供AI临床试验匹配服务，通过转诊临床医生直接将患者与研究相连。Mendel.ai的软件旨在为护士节省预筛查时间，而发表于《自然·通讯》2026年一篇关于端到端AI赋能试验推荐系统（TrialMatchAI）的学术研究，明确将患者招募定位为需要可扩展自动化解决方案的主要瓶颈——这正是整个供应商品类存在的意义所在。Paradigm Health的AI原生解决方案在2026年8月与Ochsner Health扩大美国海湾南部临床试验可及性的合作中，将筛查能力提升了41%，该公司还就FDA的实时临床试验倡议征求意见稿提交了正式回应，内容参考了生物制药申办方与医疗提供者的意见。
AI临床试验患者招募的关键方向：
1. **基于EHR的资格匹配：** 扫描结构化与非结构化患者记录，自动识别符合试验特定入组标准的候选人。
2. **数据驱动的机构筛选：** 依据实时患者人群与筛查数据、而非仅凭机构历史入组记录对候选试验机构评分。
3. **面向医生与患者的匹配界面：** 直接将医生与患者与相关在招试验相连的对话式AI与转诊工具。
4. **医疗系统内筛查能力扩展：** 将AI原生筛查直接部署于医疗系统工作流内部，扩大可接受试验资格筛查的人群。
### 行业价值链
```
[EHR数据接入与结构化] ──> [AI资格匹配] ──> [候选患者候选名单]
│
（机构筛选评分）
│
[患者入组] <──── [医生/患者外联] <─── [转诊临床医生对接]
```
### 价值链层级
| Level | Description | Key inputs/outputs |
|:---|:---|:---|
| **EHR数据接入与结构化** | 接入并结构化医疗系统的结构化与非结构化患者记录数据以供分析。 | **输入：** 原始EHR数据。
**输出：** 结构化、可分析的患者数据。 |
| **AI资格匹配** | 应用AI模型识别符合特定试验入组标准的患者。 | **输入：** 结构化患者数据、试验入组标准。
**输出：** 匹配的候选人列表。 |
| **候选患者候选名单** | 将匹配的候选人汇编为候选名单，供临床研究人员审查。 | **输入：** 匹配的候选人列表。
**输出：** 已审查的候选人名单。 |
| **机构筛选评分** | 依据实时人群与筛查数据对候选试验机构评分，为申办方机构选择提供依据。 | **输入：** 汇总的人群/筛查数据。
**输出：** 机构筛选评分。 |
| **转诊临床医生对接** | 通过转诊医生将匹配患者与试验相连。 | **输入：** 已审查的候选人名单。
**输出：** 医生向试验的转诊。 |
| **患者入组** | 完成已转诊、符合条件患者的入组流程。 | **输入：** 医生向试验的转诊。
**输出：** 已入组的试验受试者。 |
Cross-cutting technologies of the sector:
- **AI患者-试验匹配：** 扫描结构化与非结构化电子病历数据、识别符合试验入组标准患者的机器学习软件，取代人工病历审查。
- **实时试验机构筛选分析：** 基于实时患者人群与筛查数据对候选试验机构评分、使申办方能够选择更可能快速入组机构的分析工具。
---
## 美国
美国拥有领先的AI患者招募供应商，其中多家在2026年直接与医疗系统进行了部署与平台升级。
### Deep 6 AI的机构筛选优化、TriNetX的对话式AI、Paradigm Health筛查能力提升41%
- **Deep 6 AI：** 利用实时人群与筛查数据而非仅凭历史机构表现来优化临床试验机构筛选。
- **TriNetX：** 于2026年1月推出对话式AI界面并增强API能力，作为普及临床研究分析更广泛努力的一部分，降低了试验成本与周期。
- **Antidote Technologies：** 其Antidote.me平台以企业按效果付费模式为医生提供AI临床试验匹配。
- **Mendel.ai：** 其软件旨在为护士节省预筛查时间，将AI直接应用于学术研究确定的该领域核心制约因素——招募瓶颈。
- **Paradigm Health：** 2026年8月与Ochsner Health的合作将美国海湾南部地区的筛查能力提升了41%，该公司还正式回应了FDA的实时临床试验倡议征求意见稿。
---
## 中国
中国由定性方式覆盖，而非本次筛选中经实地核实的中国供应商：本次筛选中检索的中国候选AI患者招募公司仅获得一般性市场研究报告与学术评论，未获得经确认的具名供应商，因此下表未列出任何中国公司。
### 无确认的具名本土供应商；市场研究覆盖描述品类但未点名领导者
- **无点名领导者的市场覆盖：** 中文来源详细描述了AI临床试验患者招募市场的增长与趋势，但本次筛选未发现经2026年实时来源具名确认的中国总部特定供应商。
- **本土空白：** 本次筛选未发现经具名确认的中国总部AI患者招募平台。
---
## 欧盟
本次筛选未发现独立于上述美国总部平台之外、通过确认门槛的欧盟总部供应商；欧洲试验申办方与医疗系统由上述同一批全球供应商服务。
### 由同一批全球平台服务，而非独立的欧盟总部专家
- **全球平台在欧盟的部署：** 上表列出的供应商直接服务欧盟临床试验申办方与医疗系统，而非通过经确认的独立欧盟总部竞争者。
- **未确认独立的欧盟总部供应商：** 本次筛选未发现独立于已列出平台之外、总部位于欧盟的AI患者招募专业供应商。
---
## 领先企业与研究机构
| Company / Institute | Country | Key products / platforms | Tech features | Status 2026 |
|:---|:---|:---|:---|:---|
| **Deep 6 AI** | 🇺🇸 美国 | Site Selection平台 | 基于实时人群/筛查数据的机构评分 | commercial |
| **TriNetX** | 🇺🇸 美国 | 对话式AI界面，增强API | 降低试验成本与周期（2026年） | commercial |
| **Antidote** | 🇺🇸 美国 | Antidote.me | 面向医生的AI匹配，按效果付费 | commercial |
| **Mendel.ai** | 🇺🇸 美国 | Mendel.ai预筛查软件 | 为护士节省预筛查时间 | commercial |
| **Paradigm Health** | 🇺🇸 美国 | AI原生筛查平台 | Ochsner Health筛查能力提升41% | commercial |
---
## 技术栈与创新
AI临床试验患者招募的技术栈将EHR规模数据接入与日益对话化、嵌入医疗系统的AI层相结合：
1. **大规模EHR数据匹配：**
- Deep 6 AI与Mendel.ai将AI直接应用于结构化与非结构化EHR数据，无需人工病历审查即可识别符合条件的患者。
2. **对话式AI与API扩展：**
- TriNetX于2026年1月推出的对话式AI界面与扩展API，表明该品类正朝更易访问、便于集成的工具方向发展。
3. **嵌入医疗系统的筛查部署：**
- Paradigm Health与区域医疗系统（Ochsner Health）的直接合作，展示了将AI筛查部署于临床工作流内部而非作为独立研究工具，带来了可衡量的41%能力提升。
---
## 价值链与生产管线
### AI驱动患者招募的产业流程
```
┌───────────────────────────┐ ┌───────────────────────────┐
│ 1. EHR数据接入与结构化 │ ───> │ 2. AI资格匹配 │
└───────────────────────────┘ └───────────────────────────┘
│
▼
┌───────────────────────────┐ ┌───────────────────────────┐
│ 4. 机构筛选评分 │ <─── │ 3. 候选患者候选名单 │
└───────────────────────────┘ └───────────────────────────┘
│
▼
┌───────────────────────────┐ ┌───────────────────────────┐
│ 5. 转诊临床医生对接 │ ───> │ 6. 患者入组 │
└───────────────────────────┘ └───────────────────────────┘
```
#### 阶段1：EHR数据接入与结构化
平台接入医疗系统的结构化与非结构化患者记录数据，并将其结构化以供AI分析。
#### 阶段2：AI资格匹配
AI模型基于结构化数据识别符合特定试验入组标准的患者。
#### 阶段3：候选患者候选名单
匹配的候选人被汇编为候选名单，供临床研究人员审查。
#### 阶段4：机构筛选评分
候选试验机构依据实时人群与筛查数据评分，为申办方机构筛选决策提供依据。
#### 阶段5：转诊临床医生对接
匹配、符合条件的患者通过转诊医生与试验相连。
#### 阶段6：患者入组
已转诊、符合条件患者的入组流程得以完成，闭合从EHR数据到已入组受试者的循环。