北京市卫生健康大数据与政策研究中心+医渡科技：一间联合实验室，如何打开临床研究提效新空间?

一项创新药临床试验的推进速度，往往取决于一些不容易被看到的环节。

研究方案中的入排标准，需要准确匹配到真实患者；不同医疗机构产生的数据，需要经过治理和标准化，才能支撑分析；研究过程中产生的大量临床信息，需要持续监测和质量控制。

这些环节看似基础，却直接影响临床研究的效率、成本和最终结果。

随着创新药研发进入加速阶段，传统依赖人工经验和线下协作的临床研究模式，正在面临新的挑战：如何更快找到合适患者？如何提高多中心研究的数据一致性？如何利用真实世界数据支持药物价值评估？如何让人工智能真正进入临床研究流程，而不仅停留在辅助工具层面？

近日，2026年中国国际服务贸易交易会期间，北京市卫生健康大数据与政策研究中心与医渡科技签署合作协议，共建智能临床研究联合实验室，为解决这些问题提供了一个新的切口。

前者长期承担卫生健康大数据管理规范、技术标准研究以及数据资源汇聚整合等工作，在区域卫生健康数据基础建设和应用支撑方面具备深厚积累；后者长期聚焦医疗健康数据治理、人工智能研发与产业应用，在临床科研、药械临床试验和真实世界研究等场景积累了丰富实践经验。

双方此次合作的意义，在于将卫生健康数据治理能力与临床研究应用需求连接起来，探索如何利用真实医疗数据和人工智能能力，提高临床试验从方案设计、患者招募到研究执行和证据生成全过程的效率。

从方案决策到证据生成，

联合实验室如何回应药企需求？

对药企来说，临床研究中的时间与成本，往往在关键决策作出时就已受到影响。方案能否执行、中心是否选对，关系到后续招募进度；数据问题何时被发现，影响核查与返工的投入；研究能够形成怎样的证据，又决定了这些投入能否回答真正重要的医学问题。

沿着这条链条看，联合实验室的三个方向有着清晰的联系：健康医疗数据合规利用研究，为各环节提供可靠的数据基础；药物临床试验及医学科研服务，将数据与AI用于具体研究任务；人才培养，则让这些方法逐步成为团队能够持续使用的能力。

研究启动前，最有价值的支持，是让方案决策建立在更充分的依据上。多项入排条件叠加后，实际候选患者有多少，拟选中心能否满足研究需要，都会影响后续进度。如果执行难点直到招募阶段才暴露，调整就意味着额外的时间与投入。联合实验室拟开展适应症选择与价值预判、方案可行性分析与优化，有望通过真实临床信息帮助研究团队更早识别这些问题，为方案设计、中心选择和资源安排提供参考。

进入执行阶段，药企关注的是患者能否及时找到、数据问题能否及时处理、研究风险能否尽早发现。实验室计划探索参与者招募、基于区域数据的智能质控、远程监查和不良反应监测，覆盖了这些关键任务。其价值在于将信息转化为可供行动的线索：辅助识别潜在符合条件的患者，提示需要核查的数据疑问，帮助团队确定监查重点。对项目而言，提效既来自减少重复处理，也来自问题被提前发现后，减少后续返工和进度调整。

上市后的药物价值评估，以及贯穿研发过程的医学研究，则提出了持续生成证据的需求。联合实验室将协同多方开展真实世界研究，逐步形成从数据加工、分析建模到价值评估的服务能力。药企由此关注的，是能否围绕真实诊疗中的用药、疗效和安全性等问题，选择适用数据、开展合理研究，形成有依据、可解释的结论，为后续医学决策提供支持。

贯穿这些环节的，是数据质量与规范使用。患者筛查需要准确的临床信息，多中心质控需要一致的数据口径，真实世界研究则需要厘清数据来源、完整性与适用范围。联合实验室围绕数据脱敏、高质量数据集、通用数据模型、标注质控及分类分级管理的探索，正是为这些工作提供基础。数据治理的价值，会在每一次筛查、核验和分析中体现，也会影响最终结论能否经得起检验。

同样，工具进入项目之后，还需要团队真正用起来。研究人员能否理解智能分析的依据与局限，技术人员能否准确把握临床问题，会直接影响协作效率。人才培养被纳入联合实验室的建设方向，回应的正是这一长期需求：通过数据治理、AI应用和研究方法的交流培训，让项目中形成的经验逐步转化为团队能力。

从整体来看，联合实验室的价值不在于优化某一个环节，而在于让数据与智能真正进入研发流程，帮助药企提升临床研究效率和证据质量。

从北京医疗实践到药企研究服务，

医渡的合作基础何在？

联合实验室提出的任务，对合作方的要求是多方面的：既要理解医院数据如何产生、如何治理，也要熟悉药企的研究需求，还要能够将AI嵌入实际工作流程。医渡科技参与共建的基础，可以从其在北京医疗健康数字化建设中的长期实践，以及面向药企的研究服务中找到。

在北京，医渡科技持续参与北京市全民健康信息平台建设，其AI Hospital解决方案已在北京协和医院、北京大学肿瘤医院、清华长庚医院等机构落地，并参与国家人工智能应用中试基地（医疗）相关工作。这些项目积累的价值，除了技术实施经验，还包括对医疗机构业务流程、数据管理要求和跨团队协作方式的理解。临床数据中的复杂性，往往只有进入真实系统、持续参与业务运行，才能被充分认识和处理。

此次服贸会期间，由北京市卫健委建设、医渡科技承建的临床研究信息平台也正式发布。医渡承担了临床研究对接服务系统与临床研究参与者在线登记系统两大核心子系统的开发建设，分别支持机构间合作对接，以及公众检索临床试验信息、在线报名；其中，公众登记系统已在京通健康服务与114预约挂号平台上线。

从参与全民健康信息平台建设，到承建临床研究信息平台，再到与卫健委所属大数据与政研中心共建联合实验室，这些合作并非孤立项目，而是建立在长期实践基础上的能力延伸，也体现了医疗体系对于其数据治理能力、项目实施能力和场景落地能力的认可。

联合实验室最终要服务临床研究，还需要合作方能够理解药企研发流程，以及利用数据及AI支撑研究决策和临床执行的应用能力。

医渡科技长期面向药械临床试验和真实世界研究提供服务，根据其公布的最新财报数据，已累计参与或完成516项以上临床研究项目，包括药企发起的临床试验和研究者发起的试验，前瞻性及回顾性真实世界研究项目超过320项，头部20家跨国药企中有17家为医渡科技客户。

在服贸会论坛上，医渡科技联合创始人、CEO徐济铭提到，公司打造了以临床研究数据中心、医疗垂域大模型中台和临床研究智能体为一体的新一代临床研究基础设施，将AI应用于科研服务、方案评估与可行性分析、智能筛选与招募、数据录入、智能质控和统计分析等环节，推动临床研究从“信息化”进一步走向“数据和AI驱动的智能化”。

既有长期服务北京医疗健康数字化建设的实践积累，也具备将医疗数据和人工智能转化为临床研究服务的能力。可以看到，医渡参与联合实验室建设具有跨越医院场景与产业需求的实践基础。接下来的任务，是将这些经验进一步转化为围绕具体研究需求的服务能力。

开放协作，

让技术走进更多真实研究

联合实验室的成立，也为药企参与临床研究智能化探索提供了新的合作空间。按照公布的方向，实验室将面向医疗机构、科研机构和生物医药企业开放，围绕实际研究需求连接临床、数据与技术力量。

对药企而言，这种合作的意义，在于能够将研发中的具体问题带入多方协作之中，让方案决策、研究执行和证据生成获得更系统的支持。产业需求的持续参与，也有助于实验室在真实项目中检验技术价值，推动研究经验向更多场景延伸。

服贸会期间，医渡科技还参与了全国首个亿元生物医药制造支持计划的启动。该计划专项投入超过1亿元算力资源，覆盖药物发现、临床前研发和临床试验等环节，计划一年内赋能不少于100个生物医药制造创新项目。

联合实验室、算力支持计划以及更多跨机构合作的推进，呈现出医疗AI发展的一个新着力点：将技术、研究需求与产业资源连接起来，为持续应用创造条件。从单点工具走向产业基础设施，最终仍要看这些合作能否在真实研究中形成可验证、可复用的能力，让研发决策更有依据，让临床研究更高效。

Copyright © 2026 PHARMCUBE. All Rights Reserved.免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。