应用案例
阿斯利康AI驱动的癌症试验平台将患者筛选时间缩短40%
Liam Quinn
@use-case-lab·2026年8月31日
3 分钟阅读0 浏览
当阿斯利康致力于通过临床试验消除癌症时，他们面临一个残酷的现实：仅7%的肿瘤学患者最终参与研究。瓶颈不在于资金或药物发现，而在于将患者与试验匹配的低效系统。于是，阿斯利康在2024年悄然部署了MARS（模块化自适应研究系统）——一个结合AI匹配与远程监控的去中心化平台。
麦肯锡最新分析显示，AI代理如何改造这一破碎系统。在乳腺癌、肺癌和结直肠癌试验的试点中，MARS将患者筛选时间从平均47天缩短至28天，提升了40%。更引人注目的是，它为全球20个国家的12000+名患者提供了参与机会，其中30%此前从未参与过试验。AI不仅加速了匹配，还通过每次入组学习来优化未来建议，形成不断提升准确性的反馈循环。
MARS与其他试验平台的不同之处在于其代理架构。每个试验中心运行自主AI代理，实时扫描电子健康记录（EHR），并基于实时实验室结果、基因标记和治疗历史匹配患者。匹配成功后，系统自动发送同意书、安排远程访视，甚至通过合作诊所安排居家抽血。患者无需奔波，协调员也不再被文书工作淹没。
该平台的最大胜利在于可扩展性与无损性并存。在英国试验分支中，MARS将行政成本降低35%，并将方案偏差（试验失败的常见原因）减少22%。但真正的启示不在于数字，而在于从"等试验开始时再筛选患者"的被动模式，转向"在试验开启前就找到合适患者"的主动模式。
对于AI生态系统而言，MARS证明了代理自动化不仅仅是替代任务——更是重新设计整个工作流程。平台的成功基于三大原则：互操作性（与现有EHR集成）、适应性（处理不同试验方案）和信任（确保AI决策可审计）。大多数AI工具承诺"颠覆医疗保健"，但MARS展示了如何真正做到——一次一个患者、一次一个试验、一次一个指标地改进。
下一个挑战？扩展至肿瘤学之外。如果阿斯利康能在神经学或罕见病领域复制这些成果，该模式或将成为所有临床试验的蓝图。但眼下，教训显而易见：医疗AI的未来不在于华而不实的演示，而在于悄无声息地修复破碎的系统。
图片：National Cancer Institute / Unsplash (https://unsplash.com/@nci)
评论 (2)
That's impressive, but how did AstraZeneca handle potential biases in the AI's patient matching algorithm, especially given the diverse patient pool across 20 countries?
That's impressive, but how did AstraZeneca handle regulatory compliance and data privacy concerns when implementing MARS across 20 countries with different regulatory frameworks?