患者数字孪生与虚拟临床试验

01概述与价值链

标记：[EC: Directive 2001/83/EC + EMA qualification opinion procedure | OECD: Biotech-health | 监管机构：FDA（美国）、EMA（欧盟）、NMPA（中国）]

患者数字孪生与虚拟临床试验利用患者计算模型和虚拟模拟来缩减、加速或降低临床药物开发的风险，而非直接治疗患者。Unlearn公司AI生成的数字孪生技术正日益被用于构建合成对照组，以替代试验对照组的部分人群，该公司于2026年6月在《npj Digital Medicine》上发表了一份关于因果推断与数字孪生在临床试验未来应用中的路线图；其还于2026年7月宣布与Acumen Pharmaceuticals合作，探索利用数字孪生技术分析阿尔茨海默病临床项目。Certara的Simcyp模拟器是一个历经25年、与超过35家制药公司组成的联盟共同打造的基于生理学的药代动力学（PBPK）平台，于2026年初发布了在EMA资格认定基础上推出的25版本，Certara报告称Simcyp模拟结果已替代了慢性髓系白血病疗法asciminib的十项人体试验。VeriSIM Life正在打造其所称的"全栈预测基础设施"，帮助制药公司预见从实验室发现到人体疗法转化过程中的挑战，并于2026年6月与FDA国家毒理学研究中心正式建立研究合作关系，该合作基于该机构关于减少临床前安全性研究中动物试验的路线图。在法国，Novadiscovery（Nova In Silico）利用其因果AI虚拟临床试验平台jinkō，前瞻性地预测了默克公司（Merck）三期临床试验CORALreef Lipids的LDL-C（低密度脂蛋白胆固醇）结果，该消息于2025年11月公布。

患者数字孪生与虚拟临床试验的关键方向包括：

1. AI生成的合成对照组（AI-Generated Synthetic Control Arms）： 替代或补充试验对照组部分人群的数字孪生技术，减少需要接受安慰剂的患者数量——Unlearn.AI的TwinRCT方法论。
2. 基于生理学的药代动力学建模（Physiologically-Based Pharmacokinetic Modeling）： 对药物吸收、分布、代谢和排泄进行机制性模拟，经监管机构资格认定可替代部分人体试验——Certara的Simcyp模拟器。
3. 临床前到临床转化AI（Preclinical-to-Clinical Translation AI）： 预测分子从实验室走向人体试验过程中表现的预测性基础设施，与减少动物试验的监管努力相契合——VeriSIM Life。
4. 因果AI虚拟患者模拟（Causal-AI Virtual Patient Simulation）： 模拟真实世界生理机能、疾病进展和治疗反应的虚拟患者"孪生体"，用于试验设计与预测——Novadiscovery的jinkō平台。

行业价值链

[患者/生理学模型开发] ──> [针对真实试验数据的模型验证] ──> [监管资格认定（FDA/EMA/NMPA）]
                                                    │
                                       （试验设计/模拟部署）
                                                    │
                                                    ▼
[扩展的监管认可] <─── [前瞻性预测准确性追踪] <─────┘

价值链层级

行业交叉技术：

• 因果AI数字孪生生成（AI-Generated Synthetic Control Arms、Causal-AI Virtual Patient Simulation）： 生成个体化预测患者轨迹的机器学习方法，可用作合成对照或试验设计的输入。
• 机制性PBPK模拟（Physiologically-Based Pharmacokinetic Modeling）： 针对药物吸收、分布、代谢和排泄的全身生理学建模，历经数十年在制药行业联盟投入下构建与完善。
• 跨物种转化建模（Preclinical-to-Clinical Translation AI）： 连接动物/临床前数据与人体临床结果的预测模型，支持减少动物试验的监管努力。

02美国

美国拥有数字孪生与虚拟临床试验企业最集中的群体，涵盖合成对照组、PBPK建模及临床前到临床转化AI，每家企业均获得直接的监管或制药合作验证。

Unlearn.AI、Certara、VeriSIM Life、FDA

• Unlearn.AI： 其AI生成的数字孪生技术正日益被用于构建合成对照组，该公司于2026年6月在《npj Digital Medicine》上发表了一份关于因果推断与数字孪生在临床试验未来应用中的路线图；其还于2026年7月宣布与Acumen Pharmaceuticals合作，探索利用数字孪生技术分析阿尔茨海默病临床项目。
• Certara： 其Simcyp模拟器是一个历经25年、与超过35家制药公司组成的联盟共同打造的PBPK平台，于2026年初发布了在EMA资格认定基础上推出的25版本，Certara报告称Simcyp模拟结果已替代了慢性髓系白血病疗法asciminib的十项人体试验。
• VeriSIM Life： 正在打造"全栈预测基础设施"，帮助制药公司预见从实验室发现到人体疗法转化过程中的挑战，并于2026年6月与FDA国家毒理学研究中心正式建立研究合作关系，该合作基于该机构关于减少临床前安全性研究中动物试验的路线图。
• FDA框架： 数字孪生与虚拟临床试验方法需获得FDA资格认定（例如通过该机构的模型指导药物开发或新药创新科学与技术方法路径），方可用作监管级别的证据，Certara获EMA资格认定的Simcyp平台正体现了跨监管机构资格认定的路径。

03中国

截至2026年，尚未有中国本土的数字孪生或虚拟临床试验企业通过信源确认；该时期的中国信源集中于更广泛的生命科学数字孪生市场及研究评论（包括对《自然·生物技术》一篇关于"虚拟免疫细胞"论文的国内报道），而非某一具体的商业化发起企业。

市场报道覆盖、NMPA审批路径

• 市场报道焦点： 该时期中国行业及贸易媒体对生命科学领域数字孪生技术的报道，关注的是更广泛的技术类别及市场前景，而非某家专门的虚拟临床试验平台企业。
• NMPA审批路径： 任何支持中国监管申报的数字孪生或虚拟临床试验方法，都需要在中国基于模型指导的药物开发框架下获得NMPA的认可，遵循与FDA和EMA路径相同的资格认定逻辑。

04欧盟

法国通过一个具有前瞻性验证、点名药企试验预测记录的因果AI平台，支撑起欧洲在患者数字孪生领域的产能。

Novadiscovery（Nova In Silico）、EMA

• Novadiscovery（Nova In Silico；法国里昂）： 利用其因果AI虚拟临床试验平台jinkō，前瞻性地预测了默克公司三期临床试验CORALreef Lipids的LDL-C结果，该消息于2025年11月公布——这是一个在试验实际结果公布之前，模拟真实世界生理机能、疾病进展和治疗反应的虚拟患者"孪生体"。
• EMA框架： 支持欧盟监管申报的虚拟临床试验和数字孪生方法，需通过EMA针对新方法论的资格认定意见程序，这与支撑Certara的Simcyp资格认定的监管科学路径相同。

05领先企业与研究机构

06技术栈与创新

该技术栈应用患者计算建模与模拟技术，在人体试验之前或与之并行，缩减、加速或降低临床药物开发的风险。

1. AI生成的合成对照组（AI-Generated Synthetic Control Arms）：
   • Unlearn.AI的TwinRCT方法论生成可用作合成对照组数据的个体化数字孪生，降低对安慰剂组患者的依赖，其方法目前已成为一篇同行评审路线图论文的主题，并促成了一项具名的阿尔茨海默病药企合作。
2. 基于生理学的药代动力学建模（Physiologically-Based Pharmacokinetic Modeling）：
   • Certara的Simcyp模拟器对药物吸收、分布、代谢和排泄进行机制性建模，其获EMA资格认定的结果已替代了一项白血病疗法的十项人体试验。
3. 临床前到临床转化AI（Preclinical-to-Clinical Translation AI）：
   • VeriSIM Life的预测性基础设施可预测从实验室到人体疗法转化过程中的风险，并通过与FDA国家毒理学研究中心的直接研究合作使其正式化。
4. 因果AI虚拟患者模拟（Causal-AI Virtual Patient Simulation）：
   • Novadiscovery的jinkō平台构建模拟生理机能和疾病进展的虚拟患者孪生体，并通过对默克三期临床试验结果的前瞻性、具名预测获得验证。

07价值链与生产管线

患者数字孪生/虚拟临床试验方法的产业管线（FDA MIDD / EMA资格认定意见程序 / NMPA）

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. 患者/生理学模型开发     │ ───> │ 2. 针对真实试验数据的      │
│                              │      │    模型验证                  │
└───────────────────────────┘      └───────────────────────────┘
                                                   │
                                                   ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. 试验设计/模拟部署       │ <─── │ 3. 监管资格认定            │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. 前瞻性预测准确性追踪    │ ───> │ 6. 扩展的监管认可          │
└───────────────────────────┘      └───────────────────────────┘

阶段1：患者与生理学模型开发

基于现有临床和生物学数据构建患者生理机能、疾病进展或药物药代动力学的计算模型，例如Certara历经25年、在制药联盟参与下构建的Simcyp PBPK平台。

阶段2：针对真实试验数据的模型验证

将模型预测结果与实际已完成试验的结果进行测试比对——这是Certara声称Simcyp结果已替代asciminib十项人体试验背后的验证步骤。

阶段3：监管资格认定

为支持监管申报，该模型或方法获得FDA、EMA或NMPA的资格认定，例如Certara获EMA资格认定的Simcyp平台以及VeriSIM Life与FDA NCTR的正式研究合作。

阶段4：试验设计与模拟部署

已获资格认定的模型用于设计试验、生成合成对照组或前瞻性模拟结果，例如Unlearn.AI的TwinRCT合成对照组以及Novadiscovery对CORALreef Lipids的前瞻性预测。

阶段5：前瞻性预测准确性追踪

一旦试验的实际真实世界结果可用，将模型的前瞻性预测与之进行比对——这正是Novadiscovery通过其具名、前瞻性公布的默克三期临床试验预测所构建的证据基础。

阶段6：扩展的监管认可

良好的准确性记录支持在更多适应症中获得更广泛的监管认可——这一模式体现在Certara基于此前EMA资格认定推出的Simcyp 25版本更新，以及Unlearn.AI从方法论发表拓展至具名阿尔茨海默病合作项目、日益扩大的制药合作基础上。