大型制药企业加速布局AI

在全球制药行业，人工智能正被广泛用于药物发现、开发和临床试验等环节。多家大型制药企业已将AI纳入核心战略，但在具体路径和落地方式上呈现出明显分化。

阿斯利康的做法在于，将AI从企业内部研发工具延伸至公共卫生体系，在真实世界患者中大规模应用临床试验相关技术。这一模式与部分竞争对手主要用于优化内部流程的策略形成对比。

阿斯利康在公共卫生体系中的AI部署

阿斯利康在肺癌筛查领域的实践被视为其AI临床试验战略的代表案例。

公司开展的CREATE研究于2025年3月在欧洲肺癌大会上公布结果，显示其AI胸部X光工具的阳性预测值为54.1%，显著高于预先设定的20%成功阈值。该工具用于识别疑似肺部病变，为后续诊断和随访提供线索。

上述数据来自自2022年以来在泰国开展的大规模筛查项目。期间，AI工具已用于超过66万人次的筛查，在约8%的病例中检测到疑似肺部病变。泰国国家健康安全办公室目前正将该技术推广至887家医院，三年预算超过4.15亿泰铢。

相关项目不仅被定位为试点或概念验证，而是以国家医疗体系为载体的常规化部署。阿斯利康与技术合作方Qure.ai合作，使用其qXR-LNMS工具，在开展临床研究的同时改造当地公共卫生基础设施。

根据计划，2025年12月起，该项目将扩展至泰国四个省份约5000名产业工人，筛查范围也从肺癌延伸至心力衰竭检测。

不同企业的AI临床试验路径

与阿斯利康强调在真实医疗体系中部署AI不同，其他大型制药企业目前更多聚焦于药物发现和试验效率提升。

辉瑞在内部设立机器学习研究中心，将AI用于分子识别和药物设计。据介绍，该中心已将分子识别周期压缩至约30天，并在Paxlovid的开发过程中利用AI加速患者数据分析，相关分析速度较传统方法提升约50%。目前，辉瑞在超过一半的临床试验中应用AI工具。

诺华则与Isomorphic Labs及微软合作，推进“AI驱动的药物发现”。其智能决策系统通过“计算孪生体”模拟临床试验流程，据称可帮助识别招募速度更快的试验点。

罗氏提出“循环实验室”战略，将AI模型与实验室实验进行迭代结合。通过收购Foundation Medicine和Flatiron Health，罗氏构建了涵盖150多种肿瘤亚型、超过80万个基因组档案的临床基因组数据库，并以到2026年在安全管理方面实现50%效率提升为目标。

阿斯利康的临床运营与试验设计

在临床运营层面，阿斯利康已在其研发管线中开展240多项全球试验，并系统性地将生成式AI嵌入临床试验各环节。

公司开发的“智能方案工具”由医学撰稿人参与设计，用于辅助临床试验方案及相关文档撰写。据介绍，在部分场景下，该工具可将文档撰写时间缩短约85%。

在影像处理方面，阿斯利康利用AI进行CT扫描的三维定位检测，以减少放射科医生的手动标注工作量。

在试验设计上，阿斯利康尝试利用电子健康记录和既往试验数据，为AI临床试验构建虚拟对照组，用以模拟安慰剂组。这一做法旨在减少接受非活性治疗的患者数量，被视为对传统临床试验设计方式的一种重塑尝试。

AI加速药物开发时间线

行业数据显示，传统药物开发周期通常为10至15年，整体失败率可达90%。有统计称，AI发现的药物在一期临床试验中的成功率约为80%至90%，高于传统40%至65%的基准。目前，全球范围内有3000多种AI辅助药物处于开发阶段，预计到2030年将有200多项AI赋能药物获批。

在具体时间节点上，辉瑞报告称，从分子识别到进入临床试验的周期约为六周；诺华则表示，可在几分钟内完成对46万项临床试验的分析，而传统方法需耗时数月。

与之相比，阿斯利康的模式更强调即时的患者层面影响，尤其是在医疗资源相对不足人群中的早期癌症筛查，部分筛查在症状出现之前即已进行。

价值分配与合作模式

世界经济论坛预计，到2030年，AI每年可为制药行业创造约3500亿至4100亿美元的价值。围绕这一增量价值，行业内存在不同路径选择：

• 辉瑞重点押注计算药物设计；
• 诺华通过AI驱动的试验点选择寻求提升试验效率；
• 罗氏依托制药与诊断一体化模式，构建专有数据资产；
• 阿斯利康则将AI临床试验贯穿于从方案生成、患者招募到监管申报的全流程。

阿斯利康方面表示，这一模式在大规模上缩短了药物上市时间，同时积累了大量真实世界证据。

在合作方式上，部分企业选择收购AI公司或建立内部AI中心，而阿斯利康更多通过与Qure.ai、Perceptra等技术伙伴，以及监管机构和国家医疗体系合作，在基础设施相对薄弱地区部署AI临床试验相关技术。

监管环境下的大规模部署

阿斯利康提出，到2030年实现20种新药和800亿美元营收目标。在这一背景下，公司将AI临床试验视为在高度监管、风险偏好较低的药物开发阶段验证AI价值的关键抓手。

业内观察认为，当前竞争的焦点之一在于，哪种模式更有利于在大规模、受监管审查的真实医疗体系中部署AI临床试验技术，并在此基础上改善患者结局。阿斯利康通过在国家医疗体系中的大规模应用，已在这一方向上形成一定先发优势。