国内首个患者智能匹配专利技术落地,翼帆医药重构临床药物试验招募逻辑

智通财经
Feb 25

近日,水滴公司旗下北京翼帆风顺医药科技有限公司自主研发的 “临床药物试验患者智能匹配技术” 正式获得国家发明专利(专利号:ZL202210080502.4):临床药物试验患者的匹配方法、装置及计算机设备。水滴公司此前已经自主研发水滴水守大模型,驱动业务全面提效。此次新的专利技术通过深度神经网络与自然语言处理技术的创新融合,彻底解决了传统临床药物试验患者招募中 “工作量大、效率低下、易出错” 的行业痛点,为医药创新研发按下 “加速键”。

水滴公司是行业内最早布局AI大模型应用的公司之一,每年投入近3亿元用于研发,目前已经积累了100多项人工智能技术专利。水滴公司此前自主研发的水滴水守大模型,已经成为驱动业务提效的 “中枢神经”,广泛应用于产品创新、用户服务等众多业务场景,全面提升保险及健康服务全流程的效率和质量。

临床药物试验是新药上市的关键环节,而精准招募符合入排条件的患者是试验顺利推进的核心前提。传统招募模式中,药物试验入排条件多以非结构化自然语言描述,患者信息则分散于各类病历数据中,工作人员需人工比对分析,不仅耗时耗力,还容易因信息偏差、人工失误导致患者匹配不准确,严重影响试验进度。据行业相关数据统计,超过80%的临床试验因招募延迟而受阻。

此次推出的智能匹配技术,创新性地采用 “数值匹配 + 语义嵌入匹配” 双轨并行方案,实现了患者与试验项目的端到端精准匹配。技术流程中,系统首先将患者信息拆解为第一数值类信息(如年龄、化验数据等)和就诊信息(如病史、治疗记录等),同时将药物试验入排条件对应拆分为第二数值类信息和描述信息;通过三元素提取算法将数值类信息转化为 “数值 - 单位 - 含义” 三元组,实现精准数值比对,快速筛选核心匹配项;对于非结构化的就诊信息和描述信息,采用独热编码、BERT 语言模型等技术进行特征提取与归一化处理,在统一特征空间中完成语义深度匹配,最终结合双轨匹配结果输出精准匹配结论。

相较于传统人工匹配模式,该技术具有三大核心优势:一是效率倍增,将原本需要数天的匹配工作缩短至分钟级,整体招募效率提升300%以上;二是精度更高,通过全局优化的端到端训练,避免了传统分词、关系提取等步骤的错误累计,匹配准确率达 92% 以上;三是适应性强,可兼容不同格式的病历数据和多样化的试验入排条件描述,覆盖实体瘤、血液病、心血管疾病、自身免疫性疾病等多个治疗领域的临床试验需求。

北京翼帆风顺医药科技有限公司研发负责人表示,该技术的落地应用,不仅能为药企节省大量招募时间和人力成本,更能让符合条件的患者快速对接优质临床试验资源,为疑难病症患者带来新的治疗希望。未来,翼帆医药研发团队将持续优化技术模型,拓展多语种适配、罕见病专项匹配等功能,为全球医药创新提供更高效的技术支撑。目前该技术已在多家三甲医院和药企的临床试验项目中试点应用,累计完成近千例患者匹配,帮助创新药临床试验项目提前 3-6 个月完成招募目标。

据了解,翼帆医药是水滴公司旗下的数字化临床患者招募平台,依托水滴公司庞大的患者群体和数字化AI能力开展患者招募等业务,聚焦解决临床试验“招募慢、匹配难”的行业痛点,并助力国内外知名药企提高研发效率。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10