阿斯利康与甲骨文用 AI 对接 1.22 亿份患者记录，加速临床试验

阿斯利康与甲骨文周一宣布一项合作，在这家制药巨头的药物开发流水线中部署人工智能，把甲骨文超过 1.22 亿份去标识化的纵向患者记录数据库，与阿斯利康超过 240 项正在进行的全球临床试验组合对接。这项以非约束性协议形式构建的交易，瞄准四个疾病领域 —— 肿瘤、心血管与肾脏代谢疾病、呼吸与免疫，以及罕见病 —— 并指定了首个聚焦于阿布扎比高血压研究的运营试点。

这项合作之所以重要，部分因为参与的公司，但更因为它们已经共享的基础设施。甲骨文在 M42 运行电子健康记录系统 —— 首个试点将通过这家总部位于阿布扎比的健康公司进行 —— 而阿斯利康已经在用甲骨文软件管理其临床试验。所宣布的 AI 层叠加在既有的运营关系之上，而不需要两家公司从零构建共享基础设施。

制药 AI 试图解决的入组问题

患者招募是制药开发中最一致的失败点。来自美国国家医学院的研究和行业分析一致发现，绝大多数临床试验未能按计划入组患者 —— 估计通常在 80% 到 90% 之间 —— 而招募延迟约占试验总时长的 30% 到 40%。连带影响很可观：后期试验失败给制药项目带来巨大成本，而全行业只有约十分之一进入人体试验的药物化合物最终上市。

核心问题是结构性的。一个符合某项肿瘤试验条件的患者，可能正在距一个在研试验点五英里的医院接受常规治疗，而肿瘤科医生和试验点研究者都不知情。目前要识别这个患者，要么需要患者或转诊医生知道这项试验并主动联系，要么需要试验点工作人员对照方案的纳入和排除标准人工筛查患者病历 —— 一个缓慢、昂贵、依赖多数初级保健临床医生所缺乏的本地知识的过程。

应用于去标识化电子健康记录数据的 AI 提供了一种不同的方法：在试验启动前对大规模患者群体运行方案标准，识别合格患者的集中分布，并引导试验点和研究者走向入组最可能成功的地点。

甲骨文的真实世界数据平台如何运作

甲骨文的生命科学数据智能平台——2026 年 1 月由其先前的名称 Oracle Life Sciences AI Data Platform 更名而来——处于所宣布技术方法的中心。该平台把申办方自己的专有数据与甲骨文的真实世界数据集结合，后者来自甲骨文 2022 年以 283 亿美元收购的 Cerner 电子健康记录网络。这 1.22 亿份纵向患者记录代表来自使用 Cerner 的医院的患者数据，经去标识化以移除直接的患者标识符。

该平台通过领域训练的 AI 智能体运作，这些智能体能接受自然语言查询 ——「找出已确诊为 3 期非小细胞肺癌、且此前未接受过铂类化疗的患者」—— 并把它们转化为跨去标识化数据集的群体级分析。当与甲骨文的临床试验管理系统 Oracle Clinical One 集成时，这些群体分析可以浮现候选入组点，并标记出可能合格、供研究者审查的患者。

两家公司提议的实际工作流大致如下：一个方案的纳入和排除标准被形式化，AI 智能体对照去标识化的真实世界数据运行这些标准以识别患者队列及他们接受治疗的地点，试验点研究者收到关于其现有患者群体中可能合格患者的提醒，入组对话则从一份预筛选名单而非从冷门的病历审查开始。已入组试验人群的数据随后会反馈回真实世界数据集，以优化未来的群体查询。

这就是两家公司描述的持续学习模型：临床试验洞见改善常规治疗的模式识别，常规治疗数据改善未来的试验设计。这一概念对应美国国家医学院所称的「学习型卫生系统」，一种于 2007 年首次正式提出的架构，它一直难以规模化落地，因为它要求同一个组织同时掌控临床治疗数据和研究流水线 —— 而甲骨文凭其 Cerner EHR 覆盖、阿斯利康凭其试验网络，至少可以合力部分满足这一条件。

为什么阿布扎比试点不是一次概念验证

公告的表述中最重要的缺失背景，是 M42 相对甲骨文已经是什么。

M42 是一家总部位于阿布扎比的全球健康公司，2023 年由 G42 Healthcare 与 Mubadala Health 合并而成。它在 28 个国家拥有超过 480 家设施和 2 万名员工 —— 包括克利夫兰诊所阿布扎比、摩尔菲尔德眼科医院阿布扎比和伦敦帝国理工学院糖尿病中心 —— 是海湾地区较大的医疗网络之一。它自 2025 年 11 月起在其设施运行 Oracle Health Foundation EHR，并在 2026 年 9 月 —— 阿斯利康公告前一个月 ——正式采用了甲骨文生命科学数据智能平台。该公司还因在阿联酋支持了超过 11 万次高血压筛查而受到认可，这直接说明了为什么高血压是阿斯利康试点选定的首个用例。

换句话说，当公告称首个项目将是与 M42 在阿布扎比进行的高血压研究时，它描述的是一个已经运行甲骨文 EHR 系统、已经安装甲骨文生命科学 AI 平台、并已展示大规模高血压筛查能力的组织。高血压试点是对一个已连接系统的运营测试，而不是一次需要从零建立数据共享协议和技术基础设施的探索性概念验证。

阿斯利康的 AI 策略如今是分层的

过去几年，阿斯利康一直在组建一个覆盖药物开发不同环节的 AI 合作组合。甲骨文交易是这一策略的最新补充，该策略已包括多模态肿瘤数据合作、智能体化的制药研究工具和小分子发现平台。

2025 年 4 月，阿斯利康宣布与 Tempus AI 和 Pathos 合作，开发在基因组、病理影像和临床记录数据上训练的多模态基础模型，主要瞄准肿瘤。Tempus 超过 700 万患者的数据集包括关联的基因组和临床数据，给了阿斯利康在癌症特异分子图谱上的深度。2026 年 5 月，阿斯利康和 Owkin宣布了 K Pro，一个用于制药研究和药物开发竞争情报的智能体化 AI 平台。阿斯利康还披露了超过 2.5 亿美元的 AI 研究投资，并运营其用于生成式化学的 REINVENT 小分子发现平台。

甲骨文的合作增加了一种不同的能力：通过 Cerner EHR 网络跨多个疾病领域的真实世界患者覆盖广度，并在群体层面以 AI 辅助识别试验候选人。Tempus 带来深厚的肿瘤信号，甲骨文则在阿斯利康选为优先领域的四个治疗领域带来规模。两项合作在结构上是相加的，而非竞争的。

甲骨文进入制药数据市场

对甲骨文而言，阿斯利康的合作代表着一次切实的尝试，要在其作为卫生系统软件提供商的原始理由之外，把 Cerner 收购变现。

甲骨文在制药真实世界数据合同上的主要竞争者一直是 Flatiron Health（现为罗氏子公司，拥有约 300 万份高度结构化的肿瘤患者记录，并有被 FDA 接受的监管提交记录）、TriNetX（一个全球网络，声称在数千个医疗站点拥有超过 3 亿份患者记录），以及 Veeva Systems（主导端到端 eClinical 工作流软件）。如今在纳斯达克上市的 Tempus AI 占据一个与 Flatiron 重叠的多模态肿瘤利基。

甲骨文相对这一领域的潜在优势是它的基础设施地位。Cerner 部署在全球数千家医院，包括美国的退伍军人事务系统，使通过它取得的数据是纵向的 —— 跟踪患者多年的治疗 —— 而非零散拼凑的。甲骨文所报告的 1.22 亿份记录，如果准确地刻画为纵向临床数据，相对 Flatiron 更深但更窄的肿瘤数据集将代表有意义的规模。该公司在 2026 年 9 月被评为 IDC MarketScape 生命科学真实世界数据与证据领域的领导者，反映了分析师对这一定位的认可，不过尚无针对老牌制药 RWD 供应商的独立正面性能比较发表。

甲骨文 CEO Mike Sicilia 在周一的公告中直白地表述了公司的雄心：「AI 一些最重要的机会在医疗领域，更好地利用数据能帮助把科学创新转化为对患者更好的结果。」2026 财年 674 亿美元的营收——同比增长 17%——给了甲骨文财务基础，去追求可能需要数年才产生营收的长周期制药合作。

这项合作尚未确立的东西

该公告值得几点警惕。

第一也最突出的是，该协议明确是非约束性的。没有披露任何财务条款、收入分成结构或最低承诺。两家公司宣布的是合作意向和首个试点项目，而非一份管辖所宣布全部雄心的已签合同。这段关系是否推进到正式商业协议，取决于初期工作的结果。

第二，所描述的技术能力仍是公司主张。没有独立基准把甲骨文生命科学数据智能平台的患者匹配表现与 Flatiron、TriNetX 或其他真实世界数据供应商比较。关于该平台能有意义地加速阿斯利康试验入组的说法，将需要已发表的数据 —— 最好经同行评审 —— 才能可信地评估。

第三，1.22 亿份患者记录的去标识化方法尚未公开详述。学术研究已经证明，即便在标准去标识化程序之后，纵向患者数据也能用相对很少的数据点被重新识别。这项合作将需要在阿斯利康开展试验的多个司法辖区应对数据治理、IRB 合规，以及 GDPR/阿联酋健康数据法规。

第四，甲骨文真实世界数据覆盖的实际范围，高度取决于哪些患者在使用 Cerner 的医院接受治疗。在竞争对手 EHR 系统占主导的地区 —— 例如 Epic 在美国学术医疗中心占有大份额 —— 甲骨文的数据可能有覆盖缺口，影响其对瞄准特定患者群体或机构的试验的用处。

要让这件事有意义，需要发生什么

这项合作的可信度将由阿布扎比高血压试点确立或削弱。如果 M42 和阿斯利康能从用甲骨文平台进行的 AI 辅助患者识别中展示出可测量的入组加速 —— 更快的首例患者入组时间、更高的试验点激活率，或更低的筛查失败率 —— 那将是一个可发表、对制药 AI 供应商市场有真实影响的结果。

在试点之外，这项合作的长期价值取决于两家公司描述的「持续学习」模型能否驾驭多年来令类似架构停滞的制度、监管和竞争壁垒。临床试验数据在竞争上是敏感的；阿斯利康不太可能以可能为竞争对手流水线提供信息的方式共享它。监管层面对「源自 AI 辅助患者匹配的真实世界证据用于安全性监测和证据生成」的接受仍是一个演进中的领域，FDA 的真实世界证据框架仍在成熟中。

甲骨文能否确立自己作为一流制药数据合作方的地位 —— 与 Flatiron 和 TriNetX 相提并论 —— 取决于 Cerner 数据网络能否以药物申办方为商业和监管目的所要求的质量和覆盖水平，产出与试验相关的临床信号。阿斯利康交易是对这一主张的一次可信初检，它有内置的试点结构和一段既有的基础设施关系，降低了早期失败的技术风险。它是否产出两家公司所暗示的入组结果，将需要比一纸公告更长的时间才能判定。