近日，在苏州举行的AI for Bio-pharma前沿产业论坛上，深度智耀业务副总裁、物质科学联席总经理姜志成以《AI CRO前沿应用实践—智能体驱动的可信临床研发交付》为题作专题报告。会议期间，深度智耀与科华数据及其他AI制药、生物医药产业伙伴达成战略合作框架意向。以下为专题报告主要内容：
人工智能已经能够生成文本、分析数据、辅助设计方案。但在临床研发中，“能够生成”只是起点。终点定义、访视安排或分析口径一旦出现偏差，可能沿项目链条传递，影响统计分析、医学结论乃至注册申报。AI可以提高效率，但关键结论必须有据可查，最终判断与签署仍由专业人员负责。
同一个科学意图，必须贯穿方案、数据与结论
临床研究由方案设计、数据采集、统计分析、医学写作和注册申报等多个专业环节共同完成。各环节分别合格，并不等于整个项目形成了闭合、可信的证据链。例如，同一个终点评估窗，如果在方案、采集系统和统计分析中采用不同定义，合在一起便可能不再回答同一个临床问题。
因此，同一科学意图必须贯穿全链路：终点、人群和分析口径前后统一；方案要求落实到字段、访视和核查规则；分析方法、表图与结论相互支持；上游调整同步传递至下游。最终交付的价值，不只是一批文件，更是一条可以核查、可以回放、经得起追问的证据链。
多智能体协作，需要建立统一的项目事实
临床研发本身是多专业协作，进入其中的AI也应遵循同一逻辑。终点、人群、访视和变量需要使用经过确认的定义与版本，来源、依赖和变更关系则应被结构化记录。基于统一的项目事实，AI才能识别一处修改将影响哪些材料、流程和判断，使一致性检查从事后核对转变为贯穿项目的持续机制。
同时，生成与验证必须分离。提出答案的智能体不能成为唯一裁判，重要内容还要经过独立校验；涉及患者安全、获益—风险、终点取舍、关键统计解释和正式放行的事项，始终由专业人员审核并承担责任。
把风险识别和一致性检查前移
可信交付的价值，还在于更早发现问题。方案设计阶段应从临床问题出发，结合标准治疗、监管先例和外部证据，推演目标人群、终点、访视与分析方法，并检验数据能否采集、方法能否回答问题、执行条件能否支撑设计。进入实施后，方案、数据、分析、临床研究报告和申报材料继续沿用统一定义与口径，避免问题集中暴露在锁库或申报之前。
以神户大学孵化企业Immunorock开展的口腔癌三联免疫治疗临床试验为例，AI多智能体参与研究设计、方案结构化生成、逻辑核对和跨章节一致性检查，专业团队负责关键判断、质量控制与最终放行。设计、写作与质量检查由此被组织在同一条受控流程中，效率提升建立在专业责任与申报质量不被削弱的前提之上。
可信AI CRO，最终要进入流程、通过质量体系并承担项目责任
AI能否进入临床研发，不能只看平均准确率或单项任务速度。可信AI CRO需要进入真实临床流程，贯通方案、执行、数据、统计、写作、注册与安全管理；通过质量体系验证和放行，形成专家审阅、风险分级、审计追踪与数据治理闭环；并在持续的项目实践中积累质量记录和临床经验，承担交付责任。
临床研究是多方协作、持续形成证据的过程。AI CRO的长期价值，在于更早识别不适合继续推进的路径，减少设计、执行和证据衔接中的可避免失败，帮助真正具有价值的药物更快形成可信证据、走向患者。
论坛期间，深度智耀与科华数据及其他AI制药、生物医药产业伙伴达成战略合作框架意向。双方拟结合彼此在AI Infra、算力基础设施及相关服务方面的能力，以及在AI制药技术、研发体系和业务场景落地方面的优势，围绕AI for Science在生物医药领域的应用开展协同，联合打磨AI制药解决方案，共建开放合作的产业生态，推动更多AI制药业务场景实现落地。
