2.3.2 患者招募 新药审批的必经之路是进行3个阶段的临床试验，而临床试验顺利开展的基础是找到合适的临床患者。传统的试验管理人员通常是在海量的病例中逐一筛选并通知符合藥物试验的受试者，费时费力。而依靠深度学习能力，人工智能技术能够从海量的病历中自动配对符合条件的患者，提高精准匹配效率，在短时内完成试验招募入组的基础工作[26]。

    2.3.3 优化临床试验 临床试验阶段在药品研发过程中属于后期，一旦失败引起的成本损失巨大。最主要的失败原因是药物治疗靶点和疾病关联不佳引起。运用随机森林、支持向量机、梯度迭代增强、k近邻算法等机器学习方法，对临床试验、动物模型、基因关联分析、通路分析、文本分析等数据进行挖掘，预测治疗靶点，有望提高后期临床试验的成功率。

    同时试验方案设计、试验流程管理、试验数据管理统计分析等药物临床研究工作是繁琐而重要的环节。利用人工智能技术常用的机器学习和认知计算能力，应用到研究设计、流程管理、数据统计分析等诸多方面，可全面提升临床试验的效率[26]。

    2.4 审批与上市阶段

    主要集中在药物研发情报汇总领域 ......