综合另类探索如何免费获取优质国产视频资源，随时随地畅享精彩内容。我们提供最新的视频平台和应用推荐，让你轻松找到喜爱的影视作品。
小米澎程四款新车、玄戒三芯、小米18 Fold齐发，小米“人车家全生态”再扩容-8bc9b003
综合另类
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
小米澎程四款新车、玄戒三芯、小米18 Fold齐发，小米“人车家全生态”再扩容-8bc9b003
综合另类
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
亚游app真人网功能解析与使用体验介绍
综合另类
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
三天内第二轮袭击，特朗普威胁伊朗终极打击蓄势待发，伊方誓言报复-b3f2235e
综合另类
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。
AI进入临床开发环节，平台化趋势显现
9月3日，临床试验解决方案提供商Medidata在上海举办NEXT中国年会，围绕AI在临床试验中的应用趋势及规模化落地前景展开讨论。会上，Medidata展示了今年7月推出的Medidata Plus以及智能助手Dot。
Medidata Plus被定位为覆盖临床试验全流程的AI平台架构，Dot作为其中的AI统筹引擎，负责整合研究、患者与数据体验，推动临床试验工作流的智能协同。Medidata首席执行官Anthony Costello、首席运营与战略官Lisa Moneymaker等公司高管介绍了相关布局。
从单一应用到统一架构
近年来，AI在制药领域的应用场景不断扩大，能够用于识别靶点、设计分子并加速候选化合物进入临床。但进入临床开发阶段的候选药物中，过去约九成都因安全性风险、有效性不足等问题未能继续推进，因此如何提高临床开发效率成为AI应用的重要方向。
此前，部分企业主要将AI作为单点工具应用于临床试验场景，例如读取病历、匹配患者、整理药物不良事件报告和筛查文献等。Medidata认为，单点工具容易带来数据分散等问题，增加系统集成和供应商管理复杂度，因此推出Medidata Plus，希望将不同产品中的AI能力接入统一平台，并嵌入药企已有的临床工作流。
AI应用覆盖建库、模拟与风险识别
Medidata表示，其AI能力建立在长期积累的EDC业务基础上。核心产品Rave用于采集和管理患者临床试验数据，也是其进入药企临床工作流的重要入口。Anthony Costello提到，公司与超过90%的客户签有数据权利协议，授权合规使用运营数据。
在具体应用中，Medidata Plus可支持自动建库、方案优化、研究中心表现预测、数据转换和风险识别等工作。大会现场展示了研究建库流程：工作人员上传研究方案PDF后，系统可提取访视安排和评估计划，生成表单、检查规则并构建测试数据。Medidata称，传统建库通常需要10至12周，使用AI后可以缩短至数天。
此外，试验模拟也是AI应用场景之一。临床团队可在首例患者入组前测试不同方案变量，比较其对患者招募速度、成本和完成时间等方面的影响，并结合历史同类试验表现预测可能出现的风险。Medidata表示，未来将持续向Medidata Plus接入新的AI功能，并通过Dot覆盖更多临床工作流。