真实世界研究中的AI患者亚组发现与药物重定位策略.docxVIP

PAGE2

《真实世界研究中的AI患者亚组发现与药物重定位策略》

一、调研概述

1.1调研背景与目的

全球药物研发正面临“反摩尔定律”困境，单款新药的平均研发成本已突破26亿美元，周期长达10至15年，而成功率却不足10%。

与此同时，电子健康档案（EHR）在全球范围内加速普及，积累了海量的真实世界数据。这些数据记录了患者诊疗全周期的多维信息，蕴含着未被充分挖掘的生物学洞见。

传统统计方法难以处理EHR数据的高维稀疏和非结构化特征，而大语言模型与多模态AI的崛起，为系统性地从真实世界数据中生成药物重定位假说提供了全新的技术范式。

本报告旨在系统分析AI驱动患者亚组发现与药物重定位策略的市场趋势，评估大模型挖掘EHR数据生成假说的技术路径与商业化前景。

研究的核心价值在于，为制药企业、AI技术供应商及投资机构提供决策参考，揭示如何利用AI从真实世界证据中加速新适应症发现，从而缩短研发周期并降低临床失败风险。

1.2研究范围与方法

本报告聚焦于利用人工智能技术，特别是大语言模型与深度学习，对电子健康档案等真实世界数据进行挖掘，以实现患者亚组精准划分与药物重定位的市场生态。

研究范围涵盖全球主要市场，包括北美、欧洲及亚太地区，时间跨度覆盖2019年至2028年，重点分析技术演进、竞争格局与商业化落地路径。

在研究方法上，本报告采用了多维度综合分析法。通过文献计量学梳理近五年顶级