临床试验还没开始，AI 先替研究者找“该去哪家医院”

试验最先失败的地方，可能不是药

一项新临床试验在纸面上已经准备好了：方案写完，伦理审批通过，研究药物也按计划抵达。可研究点的门还没有真正打开。负责招募的医生发现，候选患者并不像申报材料里那样集中；附近医院的病人结构不同；另一项试验正在争抢同一批受试者。研究协调员每天发邮件、打电话、查病历，却很难回答一个简单的问题：到底应该把试验放在哪些医生手里，才有机会招到合适的人？

2026 年 3 月，Nature Health 发表一项关于 AI 选择临床试验研究点的研究。研究团队提出 DocTr，一个跨模态深度学习框架。它不直接判断某个具体患者是否符合某项试验，而是把医生的患者就诊数据、试验文件以及历史招募关系放在一起，推荐更可能承担招募任务的临床研究者。

这个角度的变化很小，却很关键。临床试验领域常说的“患者匹配”，往往指从病历中找出符合纳入排除标准的人。DocTr 把问题往上游移动了一步：在研究启动之前，先判断哪位医生面对的人群与试验需要更相符。患者尚未被点名，研究点已经被重新排序。

一组不漂亮但重要的数字

研究使用的数据覆盖 24,984 名美国临床医生和 5,210 项试验。论文报告，DocTr 的匹配相似度比对照基线高 58%；加入遗传优化算法后，和患者种族、族裔相关的公平性指标较真实招募分布提高最多 25%，同时把竞争试验数量压到接近零。论文还让系统给出招募成本估计。

这些数字很容易被改写成“AI 让临床试验更快、更公平”。但原文的准确说法要复杂得多。58% 是在研究数据与基线模型之间的匹配相似度提升，不是试验招募人数增加 58%，也不是患者获得治疗的概率增加 58%。公平性指标的提升是相对于历史招募分布的模型评价，不等于真实世界中所有人群都被公平地纳入。成本估计是模型输出，不是财务审计。

研究团队之所以把多目标放在一起，是因为临床试验点位选择不是单一的准确率问题。一个模型可以把最有可能招到人的医院排在前面，却把所有试验集中在少数大型中心；也可以把地理分布铺得很开，却让每个站点面对的患者都不符合条件。真正的运营决策要在准确性、代表性、竞争关系和成本之间取舍。

模型看到的不是一个病人，而是一群人

DocTr 的输入包含四类公开或链接数据：ClinicalTrials.gov 中的试验信息和纳入标准、患者就诊与医疗索赔数据、人口统计数据，以及 CMS Open Payments 中的医生与试验之间的历史关系。模型用文本编码器处理试验摘要和标准，用代码编码器处理 ICD-10 诊断记录，再用异构图网络表示医生和试验之间的关系。

这意味着模型不是在读一份完整病历。它看到的是由索赔、诊断代码、试验文件和历史网络拼成的统计画像。一个医生是否适合承担研究点，部分取决于他的患者群体是否和试验需求相似，部分取决于他过去参与试验的关系。模型越依赖历史，就越可能把过去的资源分布当成未来的最佳答案。

这也是为什么论文把公平性作为排序阶段的目标，而不是训练后的附加检查。研究团队用遗传优化算法重新排列候选站点，让推荐结果更接近人口代表性，同时尽量减少同一批患者被多个试验争抢。排序算法不会改变原始数据里没有的患者，也不会凭空创建一个能开展复杂试验的基层站点；它能做的是在多个目标之间改变优先级。

选择医生，等于选择一条进入试验的路

临床试验点位并不是地图上的圆点。它包含研究护士有没有时间、检验设备是否到位、伦理与合同能否按时完成、医生是否愿意承担额外随访，以及患者是否相信这家医院。一个模型如果只把“有潜在患者”当作成功条件，可能把试验交给没有运营能力的点位。

DocTr 的意义，恰好在于把点位选择从经验性名单变成可解释的运营问题。研究者可以问：这个医生为什么被推荐？他的患者群体与哪些纳入条件相符？历史关系是否造成了偏差？如果把代表性权重提高，推荐会怎样变化？这些问题比单纯的分数更重要，因为它们让研究团队能够在开站前讨论模型没有记录的现实条件。

不过，论文的评估仍然主要是历史数据上的离线实验。它使用过去的招募关系来检验模型能否复现或改善排序，不能直接证明在未来试验中招募人数会增加、试验周期会缩短，或患者安全性会提升。真实部署还会遇到数据延迟、医院系统接口、隐私授权和标准变化。某个诊断代码出现过，不等于患者现在仍然符合条件；某位医生曾经参与过试验，也不等于他此刻拥有同样的资源。

公平性不是在结果上贴一层颜色

临床试验长期存在代表性不足。偏远地区、少数族裔和资源有限医院的患者，可能因为没有合适的研究点而根本看不到试验。若 AI 只根据历史招募数据学习，模型会把“从前谁被招募”当成“以后谁最容易被招募”，进一步强化集中化。

DocTr 的公平性优化提供了一个可操作的方向：在排序时明确把种族、族裔和地理等因素纳入目标函数。但这仍不是公平的终点。公平性指标的定义取决于比较基准。是让推荐结果复现人口比例，还是让每个群体获得同等的进入机会？是按医生所在地区平衡，还是按患者实际出行距离平衡？不同答案会改变模型的排序。

更现实的做法，是把模型推荐当作一个可质询的候选名单，而不是自动开站命令。研究团队应当要求系统展示候选站点覆盖了哪些人群、遗漏了哪些人群、推荐结果对不同权重有何敏感性，并保留人工增加或拒绝一个站点的理由。公平性如果不能被讨论和追踪，最后只会变成报告里的一个百分比。

站点选择与患者匹配不能混为一谈

研究团队特别强调，DocTr 与患者—试验匹配系统解决的是不同任务。患者匹配需要处理个人病历、具体纳入排除标准和时间点；站点推荐面对的是一个医生可能接触到的人群和机构能力。前者问“这个人是否适合这项试验”，后者问“这项试验在哪里更有可能遇到合适的人”。

把两者混在一起，会造成两种误解。一种是把站点推荐的离线指标当成患者资格判断的准确率；另一种是认为有了 AI 就可以跳过医生和研究协调员。实际上，站点模型只能帮助研究团队缩小搜索范围，患者是否进入试验仍需由研究医生依据完整病历、知情同意和方案标准判断。

这一区分对医疗产品很重要。一个面向患者的工具，必须处理个人隐私、误导性推荐和医疗责任；一个面向研究团队的工具，重点则是数据治理、站点运营和人群代表性。两个系统都可以使用 AI，但它们的失败成本和审计要求不同。

健康数据的价值，取决于它能否被追问

DocTr 把索赔、试验文件、人口数据和历史关系连在一起，展示了健康数据“互操作”带来的想象空间。它也暴露出代价：每一层链接都增加了隐私、权限和口径不一致的风险。一个诊断代码是医疗事实、支付记录还是行政标签？一项历史招募关系代表医生能力，还是代表某家机构更容易拿到试验？这些问题如果不写进数据字典，模型的公平性就无从解释。

因此，临床 AI 的建设不能只采购一个模型。医院和申办方还需要记录数据来源、更新频率、缺失机制、敏感字段的使用方式和结果反馈。研究点推荐上线后，要持续检查实际招募是否偏离预期，哪些站点因为模型推荐而被忽略，哪些群体仍然没有进入试验。一个离线表现很好的模型，若无法接受现实世界的反问，就还不是可靠的基础设施。

来源与边界

本文关于 DocTr 的数据规模、模型结构和离线结果，依据 Gao 等发表于 Nature Health 的原始研究及其方法段落；ClinicalTrials.gov 是论文所使用的试验信息来源之一。本文没有把 58% 的匹配相似度提升写成招募效率提升，也没有把公平性指标改善写成临床获益。研究尚未证明 DocTr 在前瞻性试验中提高入组率或改善患者结局，真实部署还需经过隐私、运营、监管与外部验证。

临床试验的第一道门，也许不是患者能不能进入，而是研究团队有没有把门开在合适的地方。AI 能做的是把“凭经验列名单”变成“可检查的排序”，并把公平性放进排序目标。至于谁最终被看见、谁最终得到选择，仍然需要医生、协调员、患者和制度一起作出决定。

这也解释了为什么站点推荐会影响患者，却不能被包装成患者工具。一个医生是否被推荐，可能决定研究团队是否联系他的医院；医院是否加入，可能决定附近患者有没有机会听到试验消息。但从“被研究团队看见”到“真正符合条件”，中间还有病历核对、面对面沟通、知情同意和伦理审查。任何一步都可能让一个候选人退出，也可能让研究团队发现原来的纳入标准并不适合现实人群。

因此，补漏班把这篇文章放在“临床转化与健康数据治理”而不是“医疗 AI 已经提高疗效”的栏目里。真正值得持续追踪的，是模型上线后有没有公开它错过的地区、被推荐站点的真实入组表现如何、患者是否知道自己的数据被用于站点选择，以及研究者能否对排序提出异议。模型只有在这些问题上接受长期追问，才可能从一篇离线评估走向值得信任的公共基础设施。