Beijing Biotech Pharmaceutical Technology Co., Ltd.

无论是在谋求投资机构的直接注资，还是借助License out作为维持生存的手段，出海，已成为国内创新药企活下去的必然手段。 不过，迈出国门的先行者们前途未卜，沿途的卖水人率先尝到了甜头。今年Healthcare  IT发布的研究报告曾对临床试验数字化细分赛道电子临床结局评估（eCOA）解决方案进行调研，2023年的eCOA全球市场规模为14.7亿美元，预计2031年增至47.4亿美元，CAGR高达15.80%。 尽管报告未曾披露中国市场增长的具体数字，但从2023年爆发的出海热情看，国内市场的年增速有增无减。 近年来FDA一直鼓励药企采用数字健康技术（DHT）进行申办，如今美国约80%的临床研究都以eCOA的形式进行，欧洲也有60%依照这一路径。 而在中国，只有不到5%的申办方使用了eCOA，剩余95%的项目，还停留在纸质的方式。 目睹这一机遇，海内外临床试验数字化供应商加快了中国市场的开拓步伐，并在服务内容中不断创新。他们不再局限于将纸质的表单电子化，而是将深度学习、生成式AI等技术引入其中，深入创新药申办流程，甚至为他们提供直观的出海建议。 此趋势下，这批企业在创新药出海的路上发挥着愈发重要的作用，甚至有望成为创新药临床试验必不可少之力。 医药出海，九死一生 从立项到获批上市，一款创新药需要经过临床前研究、临床试验、注册上市和售后监督等诸多环节，每一环节存在失败的风险。加之出海后的陌生环境，这个过程变得凶险异常。 以临床方案设计为例。由于各个国家或地区的医疗能力、患者分布存在特异性，同一种病症，国外和国内可能有着截然不同的未满足的临床需求，对应的标准治疗和海外的标准治疗随之存在巨大差异。比如某些恶性淋巴瘤，中国对应的可能是标准化疗，但在美国、欧洲则会偏向已经上市的靶向治疗。 因此，如何精准地定位海外人群未满足的临床需求是国内申办方必须重点考虑的因素。毕竟，曾有药企未曾了解未来要对标的治疗方案，没有清晰规划疗效、安全性，走到最后才发现管线在最初的方案上便存在问题，难以通过临床试验，以至于数千万元的投入与数年的时间付之一炬。 研究计划的差异同样制约着创新药企的出海进程。美国是个移民国家，FDA对于试验入组中受试者数量、人种分布与NMPA的要求存在差距，因而申办方必须在选择试验中心时考虑人种问题。 实际上，很多国内的申办方不了解国外试验中心的实际情况，常因为不明确当地试验中心的患者分布、招募速度慢而放缓申报速度。此外，缺乏实际数据支撑入组计划，难以定位到那些表现出色的研究中心，也会导致试验在入组阶段不及预期。 研究执行过程中还存在一个更为直白的问题。由于各国国情不同，采用的质量管理方法与量表形式有时会存在一定差异。许多国内药企习惯了100%源数据验证(SDV) ，通过CRA核对纸质数据是否与系统录入数据一致，而欧美已经全面采用RBGM，侧重审查重点数据，并以患者自报结果（ePRO）形式的采集数据。 试验应用eCOA的各环节及必要考量 虽然国内许多创新药企的创始团队都拥有丰富的MNC研发、管线BD经验，但要保证自己的团队能够把握出海申报的每一环节，仍需付出相当大的试错成本。而这些成本，正是临床试验数字化企业的机遇所在。   深度介入临床试验， 全新蓝海市场已经形成 将临床试验数字化市场中的产品粗略拆分可分为两类，一类是基础的临床试验信息系统类产品，另一类是基于临床试验相关数据库衍生的创新产品。在这波创新药出海的浪潮中，两类产品的市场规模都发生不同程度的上涨。 临床试验信息系统市场的市场一直处于高度集中状态，且一度趋于饱和。2021年，太美医疗、Veeva等六大厂商占据了逾2/3的市场份额，EDC、RTSM、PV等产品在试验中心的使用率已经高达90%-100%，基本做到了市场全覆盖。因此，出海导致的增量更多来源于eCOA等细分赛道。 相比于EDC、PV等产品，eCOA专注于临床结果的评估，在国内制药行业的优先级不如数据采集和合规。同时，eCOA的初始实施成本可能较高，包括系统购置、人员培训、数据迁移等方面的费用，在没有看到明确的投资回报之前，许多创新药企都对这一系统的配置持谨慎态度。 但如今出海成为一种必然，eCOA曾经的劣势成为临床试验数字化企业们的全新突破点，除了Medidata、Veeva等跨国企业加速推进之外，国内既有太美、百奥知、泰格加码，又有耀乘健康科技、铨融、一临云等初创企业布局。 再谈临床试验数字化市场中的创新产品。从实际FDA申报情况看，eCOA的配置还是比较容易得到满足，但要处理临床方案、临床计划甚至药物上市后的营销问题，临床试验数字化的服务提供者们必须有充分的海外运营经验，以解决出海后的“本土化”问题。 较于国内企业，跨国企业因其经验与背景略胜一筹，也通过产品创新不断扩大临床试验数字化的市场容量。 譬如面对上文提到的未满足的临床需求，国内创新药企的医学部门绝大多数基于已经发表的文献确定患者需求，但是，文献多是基于已经上市的药物进行撰写，研究的对象多是一个符合药物特征的特定人群。 这意味着，药企在早期规划研究策略时只能基于有限的文献发表来做临床研究中的重大决策，很难看到那些未经研究的特定人群，也不愿意花费几千万甚至几个亿的投入在这些未经数据验证的领域中去。最终，不少新药因为创新不足而在最后环节死去。 面对这类需求，一些企业已经做好了创新解决方案。其中，Medidata尝试通过借助历史临床试验数据，帮助Fast Follower找到与竞争者的差别人群，进而帮助药企更好地选择未被满足的临床需求，并判断项目的可行性。 据Medidata介绍，他们曾合作了一家试图开发KRAS突变药物的生物制药公司。这一靶点已发表的文献极少，因此该公司希望扩大对KRAS突变人群的了解，识别SoC化疗方案下目标人群未满足的医疗需求和并发症。 在具体执行时，Medidata建立了一个包含超800个KRAS突变患者数据集，并采用特定的方法检验客户提出的选定假设。最终，Medidata用了数周时间便找到了如Brain Metases等意外并发症未被满足治疗需求的领域，最终找到与竞争者的差别人群。 再谈研究计划方面，这里的竞争主要源于患者招募。美国是一个移民国家，在临床试验时尤其注重人种的比例，如对白人、黑人、西班牙人的比例存在具体要求，需要中国的申办方也依据类似的比例招募患者。 满足这样的比例要求本就困难，患者招募的激烈竞争也在进一步限制临床试验的进行。美国拥有全球4.25%的人口，却承载着35%左右的一个临床试验的患者数量需求。近年来FDA需要处理的项目不断增加，而患者数量不足，因而50%的临床研究的中心没能够按照原来的计划入组的患者，导致药企试验时间和开支骤增，甚至有不少临床试验因此放弃。 针对这一问题，很多海外的第三方研究中心都开启了遴选服务，以满足企业的全球研究选点需求。这些解决方案可用于筛选中心和预测，基于申办方试验特点和环境预测并筛选适合试验开展的中心，甚至利用数据预测确保试验能够按计划进行，并依据新的数据实现试验预测的实时调整。 国内的头部企业过去的海外布局也在近期厚积薄发。早在2021年提交招股书时，太美的TrialOS医药研发协作平台便已对接34个国家/地区监管机构的相关数据库，泰格更是在亚太、北美、欧洲等地区的 10 个国家设立海外子公司，直接瞄准了海外用户。 AI，临床试验数字化企业必须抓住的下一个关键点 无论是过去的深度学习，还是如今风靡全行业的大语言模型，每一家临床试验数字化企业都对这项创新技术尤为热情。“出海”浪潮中，对于AI技术的不同认知亦为他们带来不同的竞争力。 如果要临床试验数字化企业围绕AI进行进一步划分，太美、Veeva两家头部公司无疑可被归为同类。具体而言，两家企业均是业内鲜有能够覆盖从临床到营销领域的数字化解决方案的企业，且都将AI植入了自家的整个产品体系。 在Veeva看来，AI能够起到提高数据处理效率、优化患者招募、改进试验设计、增强数据分析精度等功能，进而降低临床试验的成本，提升项目申报的效率。因而在服务“出海”用户时能够提供更强的硬实力。 Medidata则可归为另一类企业。他们除在流程之中应用AI外，也基于AI开拓了不少新的创新应用。 2020年，FDA同意Medidata AI Synthetic Control Arm（SCA）合成对照组解决方案应用于美国临床阶段免疫治疗公司Medicenna Therapeutics一项MDNA55治疗复发性胶质母细胞瘤（rGBM）的III期注册试验。这是III期试验首次批准采用混合外部对照组，亦是AI“数据应用”中颇为典型的案例。 白细胞介素-4受体蛋白质治疗剂是MDNA55 的主要成分，能够诱使癌细胞吸收摄取并释放毒素以致免疫性细胞死亡。但由于试验受试者招募难、留存难等难题，试验开展一度陷入无人可用的困境。 一方面，MDNA55属于靶向治疗大分子，无法穿过血脑屏障，给药时必须直接传递至肿瘤，因而无法通过招募安慰剂组来进行对照试验；另一方面，复发性胶质母细胞瘤患者生存期受限，急需治疗的患者多因担心被分配进入对照组而放弃参与试验。 为了解决Medicenna的需求，Medidata首先根据MDNA55 II期试验结果为III期试验设计混合对照组试验方案，再利用自身包含700多万匿名化患者数据库构建了一个符合患者特征的合成对照组。最后，Medidata借助倾向评分匹配的统计学方法，保证AI支持下的合成对照组能与治疗组形成良好对照和平衡。 Medidata成功帮助Medicenna在接下来的III期试验中减少招募100个对照组患者，成为罕见病试验采用混合外部对照组的首创之举。这种基于AI合成对照组的应用将提升入组患者接受试验药物治疗的概率，有望提高入组率，在不影响试验科学可解释性的同时，加快试验进程。 总的来说，无论是围绕全流程展开的提质增效，还是基于特定场景创造的AI合成对照组，AI的引入都让临床试验数字化企业们更深度地介入到了新药的临床试验中，更有效地助力创新药的上市。 同时，创新药企的“出海”也将因为AI技术的不断突破而受益。更高效的临床试验数字化工具加持之下，我们或能看到更多国内的优质产品以更快的速度通过审评审批，进而让全球范围内的患者受益。 *封面图片来源：神笔pro 近 期 推 荐 声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。 动脉网，未来医疗服务平台

在资本寒冬中，中国AI+新药研发领域又多了一个新面孔。走过AI在互联网领域近20年的探索之路，作为2021年中国人工智能年度十大风云人物，邓亚峰选择在功成名就之时，毅然“跨界”进入到医药领域，与合作伙伴联合创立了一家聚焦于AI+新药研发的科技公司——碳硅智慧。作为一家初创公司，在当前投资机构对创业项目要求更加严格、团队要求更高的当下，今年9月，碳硅智慧宣布完成由联想创投、联想之星联合领投的5000万元天使轮融资，为国内的AI+新药研发领域加了“一把火”。经过多年的摸索，AI+新药研发已经成为企业揽获真创新成果，获得更新的靶点以及First-in-class药物，提升研发效率的重要途径，AI技术势必会成为医药研发的基础设施，为中国医药创新转型升级助力，为下一个原创新药的发现助力。表面看起来，碳硅智慧并没有赶上中国AI+新药研发企业涌起的第一波浪潮，但是作为一种新药研发的新方式，AI+新药研发仍处于早期发展阶段，未来三年是AI落地新药研发场景的关键节点。近来，基于人工智能的内容生成技术（AIGC）、自监督预训练、跨模态多任务大模型等技术突飞猛进，为AI+新药研发领域带来很多新的思路，进一步结合自动化机器人技术，有望引来新的一轮技术突破。碳硅智慧团队，既有二十年人工智能技术的积累，也有二十年药学计算技术积累，刚好处于行业技术变革的前沿位置。因为看见，所以相信，碳硅智慧正依照自身对产业的理解，攻关关键核心技术，与合作伙伴一起不断打磨产品，推动行业发展拐点的到来。01‍杀入制药领域，打造复合型人才队伍邓亚峰相当符合投资机构对一名企业创始人及CEO的要求：既懂技术、又懂管理的复合型人才。在杀入AI+新药研发领域之前，邓亚峰已经是国内AI领域的顶尖科学家之一。自2013年加入百度深度学习研究院，成为一名资深科学家开始，到2016年8月，离开百度加入格灵深瞳，半年后成为CTO，实现从一名技术专家到百人技术团队的管理者，后来又于2020年加入360集团，一度任该公司副总裁、人工智能研究院院长兼搜索事业部总经理，管理400人左右的产品技术团队。邓亚峰具有近二十年人工智能算法及产品研发经验，累计申请发明专利140余项（已授权98项）。碳硅智慧创始人、CEO邓亚峰“在工作中不断挑战自我，从不给自己人生设限”的邓亚峰如今又选择成为一名创业者。作为碳硅智慧的创始人、CEO，他身上既没有互联网人的紧迫感，也没有制药企业领导者的焦虑感，而是“务实诚恳、不疾不徐、一切都要慢慢来”的从容。尽管选择进入医药研发领域有一定的偶然性，但这正是邓亚峰自萌生创业想法以来最为理想的领域。一方面是性格使然，这是一个惠及每个生命，具有很高社会价值，且让人非常有使命感，充满“不一样”的领域；另一方面，作为一名具有丰富管理经验的创业者，这是一个和互联网、自动驾驶一样具有广阔商业前景的领域，足够承载多家伟大的企业。“目前还有很多疾病没有药可治，如果真的提高了药物研发效率，特别是如果能为罕见病研发出药物，那真是值得骄傲一辈子的事情”。作为一名创业者，邓亚峰非常明晰自己在公司中的定位，作为CEO主要负责公司的战略规划、运营管理以及人工智能软硬件产品研发。“我不是科学家，而是一名企业家和管理者，公司的发展壮大，必须依靠团队的力量”。邓亚峰明确表示，“当前碳硅智慧的核心目标是研发完成基于AI+自动化的药物发现平台，验证AI计算对于药物发现的价值。而我的任务是对齐团队目标，找到对的人，让团队合作更加顺畅，靠大家的力量，来达成战略目标。”据邓亚峰介绍，公司在药学领域的研发和布局，以及前沿方向探索，由首席科学家侯廷军负责。据了解，侯廷军为浙大药学院特聘教授，已经在计算机辅助药物设计领域有二十多年的积累，是国家“万人计划”科技创新领军人才，曾获得Elsevier中国高被引学者，在全球学者库发布的2022年学术影响力排行榜上，位列国内药学学科领军人物榜单第三位。碳硅智慧创始人、首席科学家侯廷军这样碳硅智慧两名主要创始人明确的分工合作，也让公司从一开始就尽量规避了纯科学家创业不擅长市场及企业运营等种种弊端。对于当前的核心团队架构，邓亚峰充满自信，“天使轮基本上就是看赛道、看团队，整体上我们团队人员构成还是很资深、功底非常深厚的”。据了解，在这个新生的AI制药公司的领导团队中，有多位在行业内颇有声望的合伙人。如，COO施慧，毕业于北京协和医学院药物研究所，曾担任阿里健康互联网医疗服务总经理，互联网医疗独角兽好大夫在线副总裁，拜耳医药保健有限公司慢病产品高级产品经理等职务；首席算法科学家曹东升，为中南大学教授，获得科技部重点研发计划青年项目首席科学家，长期致力于基于AI的高效化学信息学和计算机药物设计方法和应用研究，独立开发数十款基于AI的化学信息学算法和药物设计软件；算法探索副总裁谢昌谕，浙江大学求是工程教授，拥有量子物理、人工智能双重背景，前腾讯量子实验室理论组负责人（T12级研究员），曾在麻省理工学院、多伦多大学、新加坡-麻省理工科研中心从事理论化学、量子计算、人工智能技术在AIDD、有机材料、生物传感器等方向的应用研究；还有商务拓展副总裁何浩，毕业于中国科学技术大学化学物理系，拥有北京大学国际MBA学位，曾在Oracle、Veeva、百奥知、医渡云等国内外知名企业担任生命科学全国销售及市场负责人，拥有20年以上制药研发、临床试验研究以及医疗卫生信息领域的销售和市场开拓经验......他们的共同点都是复合型人才，具有多领域的研发或管理背景，这正是AI+新药研发这一交叉行业所必须的。“这是一个新兴的交叉行业，企业要一步到位找到理想的AI+药物研发人才确实困难重重，幸运的是，我们已经建立了一只优秀的复合型领导团队”，邓亚峰坦言，“目前我依然在积极学习医药领域知识，并且投入大量精力去找到对的人，并培养年轻潜力人才。”邓亚峰透露，目前碳硅智慧的员工多是单一的人工智能、药学、量子物理、计算化学或软件研发背景，但是当这样一群具有各自不同背景的人聚集在一起的时候，通过一段时间的交流和学习，都逐渐成长为具有交叉学科背景的复合型人才。不到半年时间，该公司已经建立起了近60人的团队。02做好底层技术，打磨好产品作为一家在资本寒冬中诞生的AI制药公司，碳硅智慧当前发展的第一要务是聚焦，将力量聚焦在最核心的AI算法上，力争在AI算法上打透，包括构建多模态多任务统一的分子表征模型，并用于ADMET性质预测，构建基于自监督预训练的分子-蛋白复合物模型，并用于分子蛋白结合构象和亲和力预测，以及构建基于蛋白口袋信息的分子生成和优化模型，用于打造基于AIGC技术的药物设计平台。这些技术都将实实在在提高药物研发的成功率和效率。除了核心算法外，在对AI制药领域限制最大的数据层面，碳硅智慧一直在三个方面进行努力。一是，将既有的、分散在各处的公开数据汇集，打造生命科学领域的统一知识库，目前已经汇集了常见的30个优质数据库，按照化合物、靶点、疾病、基因、通路等信息进行组织，且将不同数据库中的相同数据进行ID打通，以便联合使用；二是，通过自动化合成和自动化试验来更低成本、更高效地产生自有试验数据；三是，除了优质的试验数据之外，利用领域里面没有标注的数据，或者是物理模型模拟的数据通过自监督预训练的方法来约束模型。对于当前的AI+新药研发公司而言，最重要的就是让技术落地。据了解，目前碳硅智慧打磨的最核心产品是药物设计平台DrugFlow。这是一个一站式药物设计平台，希望将药物设计的各个环节都集成到同一个平台上，并且与传统软件不同的是，DrugFlow不是一个用户用完即走的集成工具箱，而是一个药化专家根据最佳实践总结出来的一系列经验流程。该平台包括靶标发现、虚拟筛选、先导化合物优化、成药性预测等模块，可以帮助药化专家更高效便捷地找到潜在成药分子。而且，DrugFlow不仅仅是一套软件，还集成了自动化试验机器人，且将用户使用过的数据都沉淀在平台上，算法预测结果经过试验验证后，反馈给算法模型用于提升算法效果，最终实现干湿试验闭环。邓亚峰强调，碳硅智慧希望其产品能够覆盖药物研发领域的各个环节，但不会为了功能多样而做一个开源组件的集成平台，更希望研发具有自主知识产权的高精度模型。这样选择的核心原因是当前领域的技术还不够好，还需要在原创技术上持续创新才能够真正为专家提供帮助。邓亚峰透露，最近碳硅智慧在多个核心技术上都取得了显著进展，研发了基于强化学习的全新分子生成模型MCMG，基于蛋白口袋做分子生成的模型ResGen，高精度的重打分函数RTMScore和IGN，还有基于多图神经网络的ADMET性质预测模型MGA和可解释性模型SME。这些模型大部分已经在DrugFlow平台集成并发布，小部分在集成中。自6月份正式运行以来，碳硅智慧已经在Nature Communications、Nucleic Acids Research、Journal of Medicinal Chemistry、Acta Pharmaceutica Sinica B等药学领域国际知名期刊发表论文8篇。在商业化路径上，邓亚峰表示，基于当前的行业发展情况，碳硅智慧的商业化路径非常明确：一，打造基于人工智能算法和自动化试验相结合的一站式新药设计平台，既支持公有云SaaS版本，也支持混合云部署版本，为用户提供易用、精确、覆盖药物发现各环节的设计平台，赋能药物设计专家；二，打造基于AI设计平台的药物设计服务，即基于碳硅智慧研发的药物设计平台，碳硅智慧的药物设计专家为客户提供药物设计服务，支持预付款+管线分成的模式。目前已经有很多客户在使用新药设计平台DrugFlow，也有几家天使客户在进行药物设计服务的合作。邓亚峰透露，目前碳硅智慧所提供的分子生成优化、虚拟筛选、成药性预测等功能都是客户非常感兴趣的内容。03保持理性、渐进式发展即便如今已经有不少医药企业愿意与碳硅智慧合作，但是邓亚峰对于当前的AI+新药研发仍保持足够的冷静。邓亚峰承认，“如今AI计算的方法，在药学领域还没能起到立竿见影的效果，这是不少企业或者专家持观望心态的重要原因。”但是可以肯定的是，随着药学领域AI技术的突飞猛进，AI在新药研发中的作用在逐渐放大，也有越来越多的制药企业开始拥抱这一不可逆转的趋势。近年来罗氏、AZ、BMS、拜耳、吉利德、诺和诺德等全球知名MNC均已密集布局AI+新药研发。他们正在推动当前世界新药的研发方式，由传统的专家+试验的方式，向AI+自动化实验，再加专家的数据驱动方式转变，以提高创新药的研发效率和成功率。在传统药物研发领域，中国较发达国家有很大差距，如果还是传统的药物研发方式，我们想迎头赶上非常有挑战。但是在AI技术方面中国已经有一定的积累，AI+新药研发，在全球范围内都是一个新兴的研发范式，且是一个人工智能和软硬件自动化技术驱动的领域，从这个角度来看，中国与海外发达国家其实处于同一起跑线上，是我们可能弯道超车的发力方向。不过，一项新技术的落地总需要一个过程，尤其是当一个新的工具下沉到一个产业中去时，它需要AI技术专家和药物产业专家双方去全力融合。在此，邓亚峰也倡导，AI领域专家要致力于在核心关键技术上做出突破，而国内医药产业界的专家们，要给AI更多的机会和耐心，双方要在认知上、方法上对齐，且像一个团队一样通力合作。未来AI将成为制药企业必备的基础设施，每一家制药企业都要拥有一个基于AI的药物设计平台，使用AI药物设计平台的药物设计专家会比不使用的专家取得更高的成功率和效率。而那时的制药领域将如互联网企业一样不会再强调其企业的AI属性，而是将其视为社会公认的企业赖以生存的必备技术。“虽然已经看到，但我知道这个过程不会很快，会是一个逐步渐进的过程，我们当下需要坚持做难而正确的事，耐住寂寞，当拐点出现的时候，自然就会爆发。”邓亚峰平和地告诉笔者。

前言当数字化席卷整个医疗行业时，很长一段时间里临床试验领域却固执地停留在信息化阶段；近年来，市场需求的升级给供给变革带来了动力，让数字化逐步渗透到了临床试验领域。 自2015年《关于开展药物临床试验数据自查核查工作的公告》发布以来，在合规驱动下，临床试验领域已经完成信息化建设。之后，随着国内创新药快速发展，临床试验项目数随之激增，从业人员显得供不应求；此外高度依赖人工的传统临床试验结果准确性亟待提高；加之趋严的监管不断提高临床试验成本，申办方降本增效的需求日益迫切。对于这一系列来自不同参与方的需求，数字化给出了可行的解决方案。目前，临床试验各环节如何实现数字化？数字化进程如何？过程中的动力与阻碍分别是什么？未来数字化临床试验又将如何发展？带着这些疑问，我们调研了2家临床试验中心、7家创新企业、3家投资机构，访谈13位专家、企业创始人和投资人，制作了本次报告，以期描绘出数字化临床试验的发展现状，为大家带来一些思考。核心观点市场规模每年新增100亿，成长趋势向好。根据近年我国临床试验数量增长趋势及项目价格估算，2022年临床试验市场规模超600亿，并以每年100亿的速度快速增长。在技术、市场需求、政策、资本等多因素驱动下数字化渗透率将不断提升，有望占据整体市场规模超50%份额，成长趋势向好。临床试验信息化建设完成，EDC等软件部署率高且内卷严重。合规驱动下，我国临床试验走完信息化建设阶段，代表性软件EDC部署率达100%，但由于入局者饱和，加之法规指导下产品高度同质化，该类服务内卷严重。企业通过纵向提高产品与服务性能、横向拓宽产品与服务应用场景提升企业市场竞争力。数字化处于初期，上市后阶段整体渗透率高于注册临床阶段。我国整体数字化建设在注册临床阶段仅约10-15%，上市后阶段明显高于注册临床阶段。这其中，临床试验机构与申办方之间数据互联互通程度低、数据驱动属性低是主要原因。破解之方在于数据使用规范方面的支持政策以及兼顾技术和医学的复合型人才。推动临床试验全面数字化短期靠政策，中期靠人才，远期靠技术。要加速临床试验数字化进程，亟待数据合规使用相关的规范性政策给与临床试验中心数字化升级的合规保障。其次，有赖于企业与高校共同积极培养兼顾技术（AI、大数据、区块链等）与医学知识（疾病病理、诊疗逻辑、专家指南等）的复合型人才。最后，技术的不断精进，将有望为数字化临床试验带来如虚拟临床试验等颠覆式创新模式。  政策与资本双驱动，数字化临床试验规模超300亿■ 临床试验领域完成信息化建设，进入数字化建设初期用技术为临床试验降本增效，实现多方共赢。临床试验的数字化是指运用大数据、AI、云计算等技术为临床试验的参与者们赋能；通过优化临床试验各个环节的交付方式或流程，帮助提高临床试验的精准性、安全性和高效性，为整个临床试验（包含BE、Ⅰ、Ⅱ、Ⅲ、Ⅳ期）降本增效，最终达成临床试验的参与人员（受试者、医生和从业人员）和参与组织（临床试验中心、申办方药企或CRO）多方共赢的过程。在数字化过程中，究竟达到怎样标准的临床试验可以被定义为数字化的临床试验？目前行业还没有统一的共识，通过调研访谈，我们从“优化途径”和“主要优化结果”等维度针对数字化临床试验给出了一个定义并分析整理了临床试验的发展阶段。数字化临床试验定义与发展阶段临床试验行业已完成电子化和信息化建设。2005年前后，行业开始尝试将传统记录在纸上的数据以文档形式存储，完成了电子化的建设。电子化让数据可以更安全、长效被保存，也让数据交换变得更方便，但数据的真实性和回溯性依然较差，无法满足数据准确性验证和监查的需求。于是自2010年左右，信息化建设登上行业升级的舞台，不仅将试验数据电子化，围绕数据的多维度信息，包括使用的仪器、耗材、数据采集人员及采集步骤等都在软件系统中“留痕”，为数据真实性监查环节提供充分的证据基础。2015年7月22日，原国家食药监总局发布的《关于开展药物临床试验数据自查核查工作的公告》引起行业震动，数据的真实性、回溯性得到空前重视，这也极大推动了行业信息化建设的进程。各参与方形成新的、更加高效的协作方式是数字化重要标志。目前行业对于数字化临床试验的定义还没有统一的标准，但一个明确的共识是“各参与方之间形成新的、更高效的协作方式”。信息化阶段让数据“在线”，接下来就是如何将数据有效利用，从而让临床试验的参与人员（受试者、医生和从业人员）和参与组织（临床试验中心、申办方药企或CRO）在此基础上，产生更有效的连接方式，形成更高效、便捷的协作模式，从而多方受益，产出更好的结果和收获。基于此定义，行业的数字化还处于初期。智能化为数字化临床试验决策环节助力。在信息化和数字化建设中，行业建立了庞大的数据库，通过人工智能等技术对数据进行深度理解和算法建立，可以让临床试验的决策环节在数据的辅助下减少对经验的依赖，让决策更“智能”。总的来说，信息化是数字化的基础、数字化是信息化的升级，目前临床试验领域在完成了信息化的基础上正经历着数字化的变革，即让临床试验各参与者之间产生更高效的连接方式。而智能化让数字化临床试验中的决策环节更“智慧”，其标志是以数据驱动，用算法结果替代经验，为数字化临床试验中的多个环节提供辅助决策。■ 临床试验市场超600亿，数字化领域占据15-50%临床试验市场规模以百亿速度逐年增长。由于BE、Ⅰ、Ⅱ、Ⅲ、Ⅳ期临床试验数量及项目价格差异较大，我们将分别计算各自的市场规模再相加估算市场规模总和。其中，无法明确分为某一类的试验归为“其它”，并以各类项目均价的平均值作为“其它试验”的项目均价，临床试验整体市场规模测算如下。2019-2021年临床试验市场规模测算数据来源：国家药品监督管理局药品审评中心、创新工场，蛋壳研究院制从2019年至2021年临床试验市场规模每年以百亿左右的速度增长，从2019年的243亿增长到2021年的451亿元，平均年增长率高达36.51%。Ⅱ、Ⅲ期临床试验总数增长，促进市场规模进一步扩大。临床试验中以Ⅲ期，其次是Ⅱ期项目的费用最高，根据创新工场统计数据，Ⅱ、Ⅲ期临床试验项目平均价格分别高达2000万元和4000万元，是BE、Ⅰ和Ⅳ期项目的5至10余倍，并且以每年9%的增长率增长。2019年到2021年期间，“值钱”的Ⅱ、Ⅲ期临床试验总数平均年增长率分别高达39.82%和24.68%，明显高于其它期。按此推算，2022年临床试验整体市场规模有望超过600亿元。2019-2021年新药临床试中各期临床试验总数变化情况数据来源：国家药品监督管理局药品审评中心、创新工场，蛋壳研究院制数字化临床试验有望以更全面的服务占据半壁市场。据访谈调研得知，用于让项目“数字化”而付出的成本根据数字化的程度及形式不同约占据项目总费用的15%至50%不等，这也就意味着，2022年数字化临床试验服务企业的市场规模有望超过300亿元。■ 政策指导数字化建设方向，资本投注加速数字化进程监管政策趋严，细则指导数字化建设方向。临床试验是一个严监管属性的领域，近年来对于临床试验的监管，尤其是在数据的真实可靠方面政策趋严，不断推出更高、更严的要求。不过，硬币的另一面，相关政策给出的更加明确、细致的要求，也使得部分临床试验环节的数字化市场需求更加统一、清晰，从而让相关产品在设计时更“有依可循”、更易满足需求。驱动数字化临床试验领域发展的相关政策盘点资料来源：动脉橙数据库，蛋壳研究院制资本助力数字化临床试验快速发展。近年来，在数字化的浪潮中，传统CRO头部企业如药明康德、康龙化成等纷纷布局数字化管线（涵盖药物发现、临床试验和生产等环节），与此同时，我国也涌现出一批如医渡云（医渡科技旗下企业）、艾莎医学、药研社（母公司妙一生物科技）、遥领医疗科技、有临医药等专注数字化临床试验环节的数字化CRO企业。通过对近5年该领域的融资事件梳理发现，提供数字化临床试验的CRO企业近两年在资本市场有不错的表现。除数字化CRO企业外，如百奥知、太美医疗科技、临研通、研速医疗等技术服务企业对于临床试验的数字化升级也至关重要，资本也因此一直对此领域保持高度热情。2018以来提供数字化临床试验技术与服务企业融资情况资料来源：动脉橙数据库，蛋壳研究院制资本对拥有数字化能力的CRO企业、专注临床试验的数字化CRO企业、临床试验各环节数字化技术服务商等的高度关注与投注，是数字化初期行业发展的一大重要驱动力。    数字化产品渗透率提升，各商业模式待市场验证■ 技术服务企业主要三种商业模式发展现状解析技术服务企业发展最为成熟，产品与解决方案两种形式并存。在资本和市场需求的驱动下，产业链上游技术服务企业的发展最为成熟，构成数字化临床试验领域发展重要的驱动力，承担数字化技术基础建设的同时也扮演着市场教育者的角色。技术服务企业为市场带来的产品灵活度较高，根据临床试验阶段、规模和需求不同，可提供个性化程度不等的软件、硬件和服务的组合式产品。目前，产品的类型大致可以分为两种。第一类是仅提供软硬件产品，其中又分为通用型和个性化定制型产品，他们最大的区别在于存储数据的服务器归属，定制型的产品数据服务器为客户私有，而通用型的往往在企业的服务器中。第二类是包含了软硬件和相关运营服务的解决方案。两者在内容、交付标准和预期使用目的上不尽相同。技术服务企业主要提供的两类产品对比不同形式带来三大主要商业模式。产品类型的不同也带来了不同的商业模式，据调研，可以大致将以上产品形式一一与目前主要的商业模式：SaaS、私有定制和解决方案模式相对应。三大主要商业模式对比SaaS具有推广优势，但总体市场规模较小。SaaS服务是大多数技术服务企业都会使用的商业模式，大多按使用时长收费且产品单价较低。目前，行业临床CRO企业除个别巨头以外，大多规模较小且分布较为分散。因此，SaaS模式的低费用使用门槛，在产品进入市场的早期具有一定市场拓展的优势。但费用门槛低的同时，也让SaaS服务的整体市场规模受限，据调研，在临床试验的总费用中，软硬件产品等费用约占仅15%左右。解决方案扩大市场规模，但为结果负更多责任。为了追逐更大的市场，产品+服务的解决方案商业模式逐步出现，除了提供SaaS模式中的软硬件产品外，企业还配置相关专业运营和使用人员，让客户跳过学习使用工具自行产出结果的过程，直接交付客户以更低成本或更高质量的结果。这样一来，技术服务企业能够抢占的市场规模将从整体临床试验市场的15%扩大至接近50%。不过，拥有更大市场空间的同时，企业对试验结果也负有更大的责任，通常项目按照阶段性成果交付与付费。目前，不少企业可同时提供SaaS与解决方案两种模式，其中，后者的业务占比普遍更多。私有定制满足“数据不出机构”，但客户使用门槛较高。此外，行业还出现了私有定制的商业模式，就市场规模来看，该模式瞄准的依然是临床试验的软硬件市场部分，收费模式与HIS系统类似。该模式更为直接地满足客户关于“数据不出机构”的需求。因此，对于单纯想要购买软硬件技术的药企和CRO而言是不错的选择。不过，由于服务器的私有配置与软硬件的定制，使用费用起始门槛较高，定制的起始使用费用往往为SaaS模式的20倍甚至更多，这意味着对于年平均项目小于20个的企业，单从费用考虑SaaS显得更为适合。三大模式待市场验证。基于各商业模式的特性，各自发展需要攻克的重点也有别。对于SaaS模式，提高用户使用单价或创新收费模式也许是扩大整体市场规模的有效途径。对于提供私有定制服务的企业，如何降低使用门槛以获得更大的客户群体是值得思考的问题。对于提供解决方案的商业模式，虽然解决方案较单独的软硬件产品更受市场欢迎，但要从容应对随之而来的盈利挑战，合理控制试验成本（由其是人力成本和项目延期带来的额外成本）并高质量满足交付标准显得十分重要。 目前，行业对三类商业模式发展的看法不尽相同，未来各商业模式的走向还有待更长时间的市场验证。■ 提供数字化临床试验CRO服务企业发展情况分析为了厘清临床试验CRO企业的发展现状，我们将能够提供数字化临床试验CRO服务的企业大致分为三类。提供临床试验CRO服务的企业分类传统CRO企业数字化升级需要较长过渡期。对于传统CRO企业来讲，数字化升级需要业务部门与数字化升级团队之间进行深度沟通及融合，这不是一个容易的过程。一方面，数字化团队需要学习业务流程以设计出相应的数字化方案，另一方面业务团队因为数字化升级工作习惯也会随之发生改变，无论是学习还是适应过程都需要较长的过渡时间。此外，传统巨头CRO企业往往涉及领域还包括临床前及临床后的诸多环节，与这些环节相比，临床试验的标准化较弱，对人的依赖大且对人素质要求高，因此该环节的扩张也更难。这使得临床试验较难成为巨头CRO企业数字化升级的核心，予以数字化升级的战略重视度也因此受限。创新型数字化CRO企业展现出不错的融资表现。以“数字化”切入，提供临床试验CRO服务的企业分为以技术为基础加以服务的企业，该类企业的产品既可以是单独的技术服务也可以是整体的CRO服务；另一类是专注仅提供CRO服务的企业。两者均被资本看好，这类数字化企业在搭建创始团队时，“是否拥有数字化经验”、“是否有成功数字化项目”通常是重要的考量标准，这让企业在数字化技术和思维上拥有“先天优势”，加之对临床试验环节的专注，对于数字化的需求更加敏感，响应也更迅速。■ 合规与降本增效需求提升产品渗透率，EDC达100%数字化产品管线不断丰富，临床试验各环节被逐步覆盖。我们盘点了目前主要的临床试验数字化产品及其主要应用环节，值得注意的是，随着各类产品的不断升级迭代，各产品出现逐步结合的趋势（互相包含），也因此，来自不同企业的同类型产品也逐步出现差异化。数字化临床试验各软件系统的应用环节盘点合规、降本增效是产品市场渗透率重要驱动力。合规是临床试验的基础，对于临床试验的实施及结果拥有“一票否决权”，因此随着监管越来越严格，助力临床试验更加合规的产品获得了最高的市场渗透率，如电子数据采集系统（Electronic Data Capture System，EDC）、随机化和试验供应管理（Randomization and Trial Supply Management，RTSM）和药物警戒（Pharmacovigilance，PV）等。据调研，该类产品在试验中心的使用率高达90-100%，基本做到了市场全覆盖。此外，降本增效是第二个核心驱动力，临床试验中的“成本大户”包括数据采集记录、项目协作管理和数据监查等。因此，从降本增效角度出发，EDC依然拥有最高的渗透率提升驱动力，其次，如临床试验管理系统（Clinical trial management systems，CTMS）、电子文档管理（Electronic Trial Master File，eTMF）和远程监查等相关产品也拥有不错的市场渗透率，约50%左右。各类产品对于合规、降本增效的助力程度围绕“合规”、“降本增效”两个维度，我们梳理了各产品在两个维度的助力程度大小如图表所示，可见，蓝色虚线上方的产品普遍拥有更高的市场渗透率。其中，EDC类系统渗透率提升的同时，该领域入局者也趋于饱和，且在法规细则指导和要求下产品同质化严重，企业如何在此情况下找准自身差异化的竞争力十分重要。而CTMS类助力效率提升的软件，由于还未得到政策明确支持，且各项目、企业间流程具有一定差异，统一性不如EDC类高。因此，要进一步提高该类产品渗透率，一方面需要提高市场教育程度，另一方面企业也需要不断磨练快速响应非标市场需求的能力。接下来，报告将从产品视角出发，整理在“合规”“降本增效”两个重要推动下，各类产品（企业）发展的调研情况。   合规驱动下，行业完成信息化建设■ 严监管需求推动信息化建设软件发展，覆盖率达100%EDC、RTSM和PV等软件成为刚需。药物临床试验是一个严监管的行业，特别是对于BE及Ⅰ至Ⅲ期注册试验。经过数年“合规”的驱动，涉及信息化建设环节的软件系统，如EDC、RTSM等成了开展临床试验的刚需，在申办方（药企或CRO）及临床试验中心目前几乎已经全覆盖。涉及信息化建设的软件及主要功能■ “刚需”软件同质化严重，三条路径提供破卷之路软件性能趋同，企业开启破卷之路。政策驱动行业快速发展是一把双刃剑，提高需求端接受度的同时，也让供应端企业数量增长，并且由于细则要求逐步清晰，软件的性能也逐步趋同。对于提供EDC类信息化建设相关软件的技术服务企业来说，在市场趋于饱和加上同质化程度增加的背景下，为了避免掉入价格战的内卷之争，企业纷纷开始探索各自的破卷之路。企业提升市场竞争力的三大途径增加管线和升级性能并存，提升产品力。在提升产品力的路上，横向增加产品管线以适应更多临床试验环节的应用场景、纵向升级已有产品性能以提供更加友好的使用体验往往是并存的，如何分配两条线的比重对于企业领导者的市场判断能力及战略规划能力具有一定的挑战。此外，在“不进则退”的数字化临床试验赛道中，提升产品力对于企业来说不光是破卷之路，更是不可或缺的“立身之本”。服务加持、服务出海提供新的破卷思路。据调研，加入服务以提升产品价值，提供临床试验单个或多个环节的服务目前获得了不错的市场反馈，不过随之增加的人力成本对于企业盈利能力也提出了新的挑战。此外，在创新药企不断出海的趋势下，开拓海外服务市场也是企业其中的一个破卷之举。■ 合规与降本增效双驱动，数据采集迎来新突破数据采集，数字化关键在于替代人工。信息化建设阶段最为关键的软件当属EDC，除了满足合规的需求将数据电子化保存及留痕外，也是项目的主要成本之一，因为将数据“搬运”到EDC的过程几乎还是靠人工操作，这不仅蕴藏数据出错的风险也产生了巨大的人力成本，包括录入环节CRC和监查环节CRA的人工成本。据调研，数据录入环节和监查环节成本分别高达项目总费用的25%及10%左右。数据采集环节CRC与CRA工作内容及待提升方向可见，要解决数据采集环节存在的合规隐患及降低高占比的成本支出，关键在于用技术替代人工。CRC的工作内容，技术可以助力将院内系统与EDC直接对接，并让EDC需要的数据自动被填写，CRC则只需要做签字确认。这一环节的实现将有望提高数据采集效率约90%，也意味着相应的人力成本节约。然而，数字临床试验领域迟迟未全面突破该痛点，是因为法规限制还是技术有限？技术突破创造数据安全出院的可能。出于对患者隐私的保护，对数据安全的责任，临床试验中心向来坚持“数据不出院”原则，这无疑是数据互通的一大阻力。但究其根本，在临床试验环节，中心想要把控的是：● 出院的是哪些数据？----不能含有患者的隐私、不能含有与该临床试验无关数据。● 数据出院路径是否有风险？----不能对已有系统造成影响。● 数据最终归属？----如拷贝出院的数据临床试验使用后应做适当的销毁处理。这些担忧，随着技术的突破，已经有了相应的解决方案，如患者信息脱敏、安全的数据接口、防火墙设置、数据提取过程留痕等等。目前，百奥知、药研社、遥领医疗科技、临研通、研速医疗等企业均拥有相关方面的解决方案，且可以以SaaS、私有定制、解决方案等多种形式提供。精准应用数据，需要技术与医学的深度融合。获得数据接口只是第一步，接下来是识别和应用，这个过程不仅需要技术，更需要与医学知识及临床诊疗逻辑的深度融合。要用机器替代人工，通过接口将院内数据填写在EDC系统相应位置，需要经过数据抓取、数据处理（脱敏、归档、格式转换等）、数据应用（匹配、填写）三个环节，每个步骤的效率、准确率都与技术和医学知识及诊疗逻辑的融合程度息息相关。数据采集各环节对技术与医学知识的需求程度在数据抓取环节，通过足够了解院内信息化系统的存储管理逻辑，就能够快速找到临床试验CRF表格需要的信息，完成相应数据提取，减少了通过关键词搜索后的筛选环节。信息经过处理后，来到数据应用环节，匹配的过程更是高度依赖对临床诊疗逻辑的了解，建立相应的数据映射，通过不断优化AI算法，完成准确的匹配和填写。这样一来，CRC只需要对最终结果做确认签字即可。最后，应用区块链技术，将整个数据从院内到院外的流程、操作人员、时间全部留痕，帮助CRA提升监查效率，跳过手动寻找原始数据的过程，数据的“来龙去脉”一目了然，更是为远程监查奠定了重要基础。 数字化建设初期，升级从高成本、低效率环节开始■ 降本增效驱动下，新业务模式亟待诞生数字化建设通过更高效的协作模式带来成本降低。临床试验领域数字化建设还处于初期，主要任务是降低成本、提高效率，升级重点从“合规”环节迁移到传统模式中成本高、效率低的环节，如：● 整体项目管理不足导致项目延期。● 患者招募困难导致项目延期或关闭。● 研究者和中心选择耗时耗力。● CRA监查人力成本高。相关软件系统市场渗透率也因此提升。涉及数字化建设的软件及主要功能数字化建设要在信息化基础上，通过对数据的挖掘和应用，建立标准和规则，从而让临床试验参与各方在数据驱动下，形成新的、更高效的协作模式，最终带来大幅度的效率提升和成本降低。在各软件及配套服务、解决方案的帮助下，临床试验的各高成本、低效率环节发生了怎样的变化？接下来我们将逐一进行调研情况解析。■ 项目管理渗透率约50%，地方性三甲医院发展更快项目管理的基础需要数据互联互通。临床试验涉及的参与者众多，来自临床试验中心和申办方两端，又分为受试者、研究者和工作人员三类。CTMS连接涉及临床试验的机构、参与者约50%临床试验中心加入“互联互通”的数字化建设。CTMS根据部署机构不同可分为临床试验中心端和申办方端。而数字化建设则侧重于两端之间的互联互通，重塑传统两端之间的合作形式。以临床试验过程PI签字的环节为例，传统临床试验CRC通常积累了一定数量的文件后，在PI有空时批量签署。此过程时间周期不定性强，如遇试验有两位PI，不确定性进一步增强，耗费CRC时间、进度难把控；此外，如签署文件有误或不规范，还面临重新签署的额外耗时。而在数字化的临床试验中，试验中心和申办方两端的PI与CRC可基于CTMS重塑该频繁又耗时的过程。首先，由于所有数据和流程均“在线”，大部分需要签署的文件可自动生成并分类罗列，CRC只需要监查相应信息并确认提交，与此同时，PI登录自己的账号便可看到待签署的文件利用碎片时间完成签署；此过程系统还可以基于文件的时效要求做优先级区别并适时提醒，以免由于文件签署延迟而影响总体项目进度。、这样一来，文件错误率及准备时间大幅度减少，并且CRC及PI也都可以灵活且高效完成签署流程。院内院外互联互通的项目全流程管理虽是降本增效的关键环节，但如上一章所述，碍于“数据不出院”的安全性问题，虽然诸多企业均拥有院内外基于CTMS软件的互联互通解决方案，但真正尝试实现“连接”的临床试验中心仅约400-500家，占据50%左右。地方三甲医院在“连接”方面较全国性大三甲更有发展意愿。据调研，互联互通的数字化升级最开始带头使用的并不是如华山医院、天坛医院一类临床试验扎堆的全国性大三甲医院，而是地方的三甲医院，如苏州省人民医院、贵州肿瘤医院等。对于临床试验机构来说，全国性大三甲医院由于不缺临床试验，缺乏数字化升级的动力。地方三甲医院拥有较强的临床试验承接能力，但就其所拥有的研究者资源、受试者基数或是临床试验开展能力来讲，每年接受的临床试验项目数并不饱和。数字化升级一方面可提升机构的竞争力，另一方面也因为数字化的互联互通，让机构的实力被更多申办方看到从而获得更多临床试验项目。创新工场投资经理Wendy表示，据估算，在2020年左右，如瑞金医院等全国性大三甲医院的现金流超10亿，地方三甲医院则约不到一半。每年临床试验为前者带来的收入大约在数千万到亿级区间，该体量不会对其造成太大影响且也从未“缺席”过，但如果同体量的临床试验项目收入放在地方三甲医院，则是一个“举足轻重”的收入来源。当然，对于地方三甲医院，除此最直接动力外，医院学术地位、研究者科研需求等也是重要动力。■ 基于院内、 院外健康大数据重塑受试者招募“触达”环节数字化重塑触达环节，提高触达潜在受试者的效率。受试者招募在临床试验的“痛点排行榜”上一直居高不下，主要关键难点之一是难以高效触达精准受试者。传统招募环节主要依赖合作研究者们的病人群体、研究者们之间的推荐、CRC到病房一一“人工搜索”等纯人工且效率和精准度都较低的方式。在数字化升级的过程中，基于足够充足的数据以及符合医学逻辑的算法，受试者招募的触达环节也迎来了新的模式和方法。申办方只需要在相应软件系统中输入受试者的入排标准，软件即可在数据库中精准搜索合适的受试者。受试者招募中患者触达环节数字化前后对比对于受试者招募软件，系统信息库的体量及数据完整性十分重要，在特定病种中，涵盖潜在受试者总数越多、受试者多维度健康信息收集越完整，越能给算法打下夯实的基础，前者保障了筛选的数量、后者提高筛选的质量。数字化受试者招募的信息库一方面来自院内患者的电子化信息档案、另一方面来自与拥有互联网流量资源的平台合作。目前，我国创新药临床试验获批中肿瘤药物占比大，超过50%，肿瘤也因此成为数字化受试者招募最受喜爱的细分领域。数字化助力受试者转化过程的教育环节。在患者转化环节，目前尚还无法达到触达环节重塑协作模式从而大大提升效率的程度。不过，触达环节数字化升级让筛选受试者更精准可直接提高转化环节的转化率。另外，现已有大量简单易懂的科普知识以文字、视频等多形式展现的产品出现，助力CRC等从业人员更加高效完成受试者教育的同时提高转换率。■ Ⅳ期临床试验数字化领域尚处蓝海，降本增效需求迫切从定义范围来划分，Ⅳ期临床试验属于上市后临床验证的一种；上市后临床验证属于真实世界研究（Real World Study，RWS）的一种，三者虽然交付结果、试验目的等有所不同，但试验设计方式及试验执行流程相似，故我们在对Ⅳ期临床试验数字化需求与现状调研时将提供上市后临床验证及真实世界研究数字化的企业也纳入了其中，以下以RWS为主体解析调研结果。真实世界研究对降本增效的需求更迫切。RWS与注册临床试验在法规要求、方案设计、受试者数要求及数据收集维度等差异较大，故较注册临床试验，RWS的数字化进程和需求也有所不同。 注册临床试验与真实世界研究的部分区别针对药物的RWS主要目的包括发现罕见副作用、找到新的适应症、帮助准入医保等。要达到以上目的，大样本量是其基础，较注册临床试验通常是十倍及以上的增长。越大的样本量也就意味着在“大成本”环节数据采集需要付出的人工成本越多。此外，从统计角度而言，由于样本量的扩大，单个数据误差对整体结果的影响相应减少，加之在RWS领域法规要求的细致度弱于注册临床试验，故RWS过程对降本增效的“追逐”更直接与迫切。数字化数据采集是做大样本量RWS的基础。数据采集的人工成本是随样本量增加而线性增加的，即数据采集总成本=样本量*（单个数据采集时间*单位时间人工成本）。因此，随着人工成本越来越高，要想扩大样本量获得数据等级更高的RWS结果，又要控制成本甚至减少成本，缩短单个数据采集时间是必须突破的环节，这也让数字化数据采集对RWS来说越来越重要。RWS涉及的中心更多、受试者数据更多且不一定全部在院内产生或不被院内系统全部记录，因此，RWS中数据采集环节数字化升级的关键点瞄准了如何用机器更精准识别字段并按照医学逻辑完成自动填写。数据深度挖掘，为RWS赋予更大价值。除了数据采集方式数字化需求不同外，在数据分析及深度挖掘需求上，RWS也提出了不同的需求，需要更智能的数据分析。注册临床试验中，数据分析大多是基于试验设计，将相应数据按照预设维度计算，从而得出“是与否”的结果，拥有一定“套路”可循。而RWS数据驱动属性更强，需要对数据进行反复深度挖掘，产出有指导价值的“新线索”，例如已上市药物通过RWS发现获批以外的新适应症，这是在进行RWS之前可能无法提前预设的，而是通过对数据的挖掘得到的新线索。因此，RWS在数据分析上的数字化需要更加“智能”，这样才能完成其“验证”和“发现”的双重任务。数字化临床试验中，更多可以通过智能化提升的环节我们将在下一章单独讨论（请扫描文末二维码获取完整报告阅读）。未来趋势■ 数字化领域迎来更大市场，助力临床试验下沉、分散新药研发热潮扩大数字化临床试验市场。随着国家近年来对创新药的大力支持，我国创新药物研发企业增多，且增速有逐年增长之势，加之“4+7带量”倒逼国内有实力的仿制药企业将重心向研发和创新转移，我国获得临床试验批准的创新药数量也将保持快速增长。面对快速增长的临床试验需求，传统的临床试验方式显然难以满足，数字化临床试验可通过重塑各方之间的协作模式从而更高效、低成本地实施临床试验，在相同的人、物、时间资源中，产出更多的、更精准的临床试验结果。在临床试验总数快速增长，但临床试验中心数、潜在受试者数及从业人员数量无法快速增加的前提下，数字化临床试验领域市场规模得到快速增长。另一方面，政策对行业监管持续趋严，合规要求与合规成本越来越高，推动数字化逐步成为临床试验领域刚需，这将进一步扩大数字化临床试验市场规模。数字化临床试验让信息互联互通，资源被更合理分配与利用。数字化建设为行业信息的互联互通搭建了平台基础。首先，各临床试验中心的情况，如中心证书、临床试验项目经验、研究者信息等透明化并实时更新，消除信息不对等后，申办方拥有了更多选择、中心选择更精准、中心筛选成功率也更高；同时，由于平台的连接，临床试验项目数较中心项目水平而言不饱和的中心，也有机会获得更多的项目。该过程一定程度上缓解了头部临床试验中心项目堆积而其他中心项目不饱和的现状。其次，数字化助力多中心临床试验开展。传统依赖人力的临床试验，出于精力和成本的考虑，临床试验项目中涉及的中心数量受到一定限制，这也是众多项目集中在头部几十家拥有庞大患者群体的大中心的重要原因之一。在数字化临床试验中，由于数字化产品助力，单中心部署及执行成本降低，加之数字化可实现如数据监查等多环节远程化，让项目能够同时在多个临床试验中心实施的能力增加，因此，临床试验可选择的试验中心数上线被提高。这给与申办方更多、更灵活的中心选择方式，也进一步促进临床试验项目的下沉和分散。最后，随着DRGs及分级诊疗的实行，患者逐步下沉、基础医疗机构能力提升，伴随数字化渗透程度加深，未来，远程、去中心化的临床试验实施也将拥有更大的发挥空间，进一步促进临床试验资源的合理分配和利用。■ 企业定位逐步清晰，多种商业模式经过市场验证技术服务企业：拓宽产品内涵，“解决方案”获市场认可。早期数字化临床试验产业的企业分别以团队的自身优势切入。例如技术服务企业中，有医院信息化服务企业基于已有数据集成及医院资源基础，转型或新增数字化临床试验板块；也有专注SaaS或软件技术服务的企业，凭借技术优势入局临床试验领域，提供各环节相关的数字化产品。无论哪一种方式入局，大多均以SaaS服务做为第一步商业模式的探索。SaaS以其部署快、更新迭代方便和使用费用门槛低等优势，在初期进入市场是不错的商业模式，但随着企业的进一步发展，SaaS的整体市场规模较小的局限性凸显出来，行业也随之出现了更多商业模式，如为申办方、试验中心做定制开发部署；或加上服务拓展产品丰富性，提供解决方案（部分环节的CRO服务）或整体CRO服务。调研发现，就既可以提供SaaS服务也可以提供解决方案的企业来看，解决方案是更多客户的选择。CRO企业：凭借各自优势入局，数字化企业被资本看好。而临床试验CRO企业也大致可分为两种数字化路径。第一种是传统CRO企业，凭借对CRO领域的专业度，通过自研或合作的形式加入数字化元素，进行数字化升级，入局数字化临床试验领域；第二种则是凭借数字化思维入局，提供创新型临床试验CRO服务。调研发现，传统CRO企业拥有丰富的行业资源，升级的关键在于决策者是否给予数字化转型足够高的战略重视。数字化临床试验企业，以其数字化思维优势对临床试验各环节数字化升级需求更敏感，加之专注的业务线及精炼的创业团队往往可以更快、更灵活满足地满足临床试验的需求。目前，各种商业模式还有待市场进一步验证。未来，随着技术服务企业提供解决方案的能力增强、数字化CRO企业不断获得更多临床试验市场，数字化临床试验或将在部分环节（尤其是智能化环节）出现绝对竞争力的解决方案和产品，同时数字化CRO企业也将向前或向后延伸，覆盖除临床试验外，如药物发现、上市后试验等环节。■ 临床试验数字化演进短期靠政策，中期靠人才，长期靠技术技术“够用”，亟待数据使用规范给予实施的指导与安全保障。目前，数字化临床试验领域处于发展初期，据调研，注册临床试验数字化程度不足15%，上市后的临床试验数字化程度约在30%左右。但就技术而言，能达到的数字化程度远不止于此，目前，AI、大数据、区块链、物联网等技术几乎可以满足重塑传统重人工的模式，形成新的数据驱动的线上、远程交付模式。阻碍技术发挥其真正价值的原因是多方面的，数据无法直接互通是主要因素之一，临床试验机构与申办方之间一直有一道难以逾越的鸿沟。而此鸿沟归根到底是对数据安全的担忧，虽然数字化企业在不断用产品的安全性推进市场教育，但相关数据安全的保障方式和应用规则始终缺乏行业规范。目前，行业亟待数据应用规则规范相关的政策支持，有了规则规范的指导，有了安全保障，数字化技术就能在临床试验各环节发挥真正的价值。优化传统临床试验环节，将降本增效做到极致，人才是关键。有了相关数据应用规则规范做指引与保障后，相关数字化产品能在临床试验中得到更广泛的应用，并获得丰富、宝贵的使用反馈得以不断提升产品性能，从而助力传统临床试验环节在数字化升级中将降本增效做到极致。将使用反馈（临床试验需求）转化为数字化解决方案并以相应技术产品呈现，不是一个简单的过程，他需要技术（AI、大数据、物联网、VR等）与医学知识（病理知识、诊疗习惯和逻辑、行业指南、专家共识等）的有机、深度融合，该过程拥有技术与医学知识交叉背景的复合型人才至关重要。目前，企业大多以建立拥有复合能力的团队作为解决之道。但由于两类人才接受了不同体系的专业培训，建立了不同的解决问题思考逻辑，加之两个行业的高壁垒，让双方之间结合自身专业能力与对方进行深入交流以解决行业相关痛点的融合依然有一定挑战。不过，行业各界都在积极加大对该类符合型人才的培养，如企业通过搭建各类平台促进人才交流与培养、高校也在积极培养相关人才、企业与高校联合开展培训的方式也有不少尝试。总的来说，在国内政策鼓励、资本支持和市场强大需求的驱动下，人才瓶颈的解决只是时间问题。届时也将把数字化临床试验降本增效的能力推向一个新的高度。技术刷新想象空间，赋予颠覆式临床试验无限可能。数字化临床试验的“尽头”也许不仅是将传统的临床试验环节用机器替代或建立线上、远程的新交付模式，而是可以带来颠覆式的临床试验模式彻底改变临床试验流程，例如现已出现的远程临床试验以及企业积极探索和布局的虚拟临床试验。未来，在技术不断精进之下，保证结果可性度的前提下，会出现怎样颠覆式的临床试验模式，给我们留足了想象空间。以上为报告主要内容节选，报告完整框架如下：第一章 政策与资本双驱动，数字化临床试验规模超300亿1.1临床试验领域完成信息化建设，进入数字化建设初期1.2 临床试验市场超600亿，数字化领域占据15-50%1.3 政策指导数字化建设方向，资本投注加速数字化进程第二章 数字化产品渗透率提升，各商业模式待市场验证2.1 技术服务企业主要三种商业模式发展现状解析2.2 提供数字化临床试验CRO服务企业发展情况分析2.3 合规与降本增效需求提升产品渗透率，EDC达100%第三章 合规驱动下，行业完成信息化建设3.1 严监管需求推动信息化建设软件发展，覆盖率达100%3.2 “刚需”软件同质化严重，三条路径提供破卷之路3.3 合规与降本增效双驱动，数据采集迎来新突破第四章 数字化建设初期，升级从高成本、低效率环节开始4.1 降本增效驱动下，新业务模式亟待诞生4.2 项目管理渗透率约50%，地方性三甲医院发展更快4.3 基于院内、 院外健康大数据重塑受试者招募“触达”环节4.4 Ⅳ期临床试验数字化领域尚处蓝海，降本增效需求迫切第五章 人工智能让数字化临床试验的决策更智能5.1 智能化助力在临床试验多环节做出更快、更好的选择5.2 数据互联互通、复合型人才是推动智能化的关键第六章 未来趋势6.1 数字化领域迎来更大市场，助力临床试验下沉、分散6.2 企业定位逐步清晰，多种商业模式经过市场验证6.3 临床试验数字化演进短期靠政策，中期靠人才，长期靠技术第七章 企业案例7.1 药研社（母公司妙一生物科技）-医药研发领域创新型CRO科技平台7.2 百奥知-创新型医药研发数字化解决方案7.3 临研通-临床试验智能检测系统私有部署7.4 遥领医疗科技-AI助力RWS挖掘上市后医学价值7.5 研速医疗-AI驱动数据直采，高效合规重塑临床试验请扫描以下二维码，免费获取报告全文。*特别鸣谢（按调研访谈顺序）太美医疗科技副总裁张宏伟先生、创新工场投资经理Wendy、百奥知创始人兼董事长庄永龙博士、临研通创始人段忠成先生、药研社联合创始人彭逸天先生、遥领医疗科技技术总监胡启瞳先生、研速医疗创始人兼CEO王泰峰先生。*封面图片来源：123rf近期推荐声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。动脉网，未来医疗服务平台