英矽智能 inClinico Agent 预测 I–IV 期临床试验终点：疗效模型 AUROC 0.828、安全性 0.809，并发布 3311 项在研试验基准 ClinBench

影响分析 × 药企研发负责人 ｜ 数据视角 × 投资人与产业分析师 ｜ 深度研报

英矽智能团队于 2026 年 10 月 16 日在 medRxiv 挂出预印本，提出一套覆盖 I–IV 期临床试验的成败预测系统，对疗效终点与安全性或毒性终点分别建模。在 2021 年及以后启动的试验组成的测试集上，疗效模型 AUROC 为 0.828，安全性与毒性模型为 0.809。模型已嵌入 inClinico Agent 智能体系统，团队同时发布包含 3311 项在研试验的前瞻基准 ClinBench，试图把试验成功率从事后统计变成事前可算的数字。

开场：给一个还没做的试验打一个 0 到 1 的成功概率

临床药物开发的高失败率长期转化为巨大的临床与经济负担，这一点在行业内部几乎没有争议：一个项目走到后期才发现主要终点未达成，代价不只是账面投入，还包括受试者的暴露与管线机会的错配。真正困难的是事前判断，也就是在试验启动之前、甚至在设计方案尚未冻结之时，去估计某一个具体试验能否达成其主要终点。英矽智能这份预印本给出的处理方式，是把结局拆成两类分别建模，对以疗效为主要终点的研究与以安全性或毒性为主要终点的研究各自建立模型，覆盖从 I 期到 IV 期的全部阶段。每一次预测并不给出简单的通过与不通过，而是输出 0 到 1 之间的连续预测试验指数，即 PTI，直接读作成功概率。对药企研发负责人而言，这种连续刻度的实用价值高于二分类结论，它可以被放进组合管理的排序逻辑，让不同阶段、不同模态的项目在同一把尺子上比较，也让中止决策来得更早、更可辩护。换言之，它试图覆盖的正是从立项到读出结果之间那段最昂贵、也最少被量化的等待时间。

防泄漏怎么做的：只用注册时可获得的特征，含冻结的文献衍生靶点嵌入

预测类研究最容易掉进的陷阱，是分数漂亮却不可用：只要训练时混入了试验完成后才产出的信息，模型学到的不过是事后诸葛。作者为此划出的防线是严格限定特征的时间边界，只用注册时可获得的特征训练，以规避前瞻偏倚与结局泄漏。输入被组织为几类：靶点与机制先例，刻画同类靶点与作用机制在过去被验证到什么程度；药物模态与新颍度，用来承载分子类型与首创程度带来的不确定性；试验设计与运营特征，覆盖方案结构与执行层面在注册时可观测的变量。此外还有一组冻结的文献衍生靶点选择嵌入，把文献层面的靶点选择信号以固定表示的方式引入模型，并因冻结而不随后续数据变化而漂移。这套设计的意义在于把模型约束在决策当时真正掌握的信息范围之内，使输出的概率具备清晰的时间含义。对研发负责人来说，可追溯的信息边界比分数本身更重要，一个说不清自己看到了什么的模型，很难被正式引入决策流程，而边界一旦清楚，输出的分数也就能与既有的立项评审材料并列核对。

两个模型的分数：疗效 0.828、安全性 0.809，各自的置信区间与样本量

结果层面，作者把测试集限定在 2021 年及以后启动的试验上，用时间切分来贴近真实的预测场景。在这一测试集上，疗效模型的 AUROC 为 0.828，95% 置信区间为 0.812 至 0.845，样本量为 2347；安全性与毒性模型的 AUROC 为 0.809，95% 置信区间为 0.787 至 0.831，样本量为 1485。疗效端略高，安全性与毒性端稍低且区间更宽，这一差异与两者样本量的大小方向一致。需要同时说明的是，这两个数字都是回顾性测试集上的结果，衡量的是模型对已知结局的区分能力，而不是它在实际决策中的命中率；AUROC 只反映排序质量，并不直接告诉使用者在某个具体阈值上要付出多少误判代价，内部使用时仍需结合自家管线的基线成功率做校准。作者将上述模型嵌入 inClinico Agent，即一个整合前沿大语言模型、确定性打分引擎、检索工具与专用临床技能的智能体系统，使打分能力接入一个可被调用的框架。站在研发负责人的立场，这两个分数足以支撑筛除与排序，尚不足以单独决定一个项目的生死。

ClinBench 是什么：3311 项在研试验与 5 个前沿模型的无泄漏基准

回顾性测试集无论怎么切分，都有一个绕不开的问题：这些试验的结局已经发生，且发生过程可能以各种方式渗进公开信息。作者的解法是再搭一个前瞻基准，命名为 ClinBench，收录 3311 项正在进行中的试验。它的特别之处在于评估对象不止一个，inClinico Agent 与 5 个前沿大语言模型共同参与评估，从而形成可比的横向参照。作者的表述是，这一基准用于建立无泄漏的前瞻预测准确性追踪基础，等试验陆续达到终点时再回看当初的预测。对以数据视角观察行业的投资人与产业分析师来说，ClinBench 的意义在于把模糊的能力宣称转换成可积累的记录：今天给出的每一个 PTI 都会被留存，未来的完成结果会与之逐条对照。这类基准的价值随时间增长，但兑现节奏受制于临床试验本身的周期，数年的随访窗口在行业内并不罕见，因此短期内它给出的不是结论而是承诺。对研发负责人而言，跟踪这份记录的更新口径是否稳定，比关注首发数字更有意义。

冷静观察：预印本未评审、作者全部来自英矽智能，前瞻准确性要等试验做完才算数

把这份工作放回它的发表语境，几个限定条件必须同时摆在桌面上。其一，载体是 medRxiv 预印本，编号 2026.10.13.26365373，doi 为 10.64898/2026.10.13.26365373，发布日期为 2026 年 10 月 16 日，作者共 12 人，未经同行评审，方法细节与结论都还没有接受外部同行的系统检验。其二，全部作者均隶属英矽智能，公司自述为拥有数百项专利与已商业软件的临床阶段生成式 AI 公司，存在明确的商业利益关系，这一点已在竞争利益声明中写明，读者在解读时应自行计入这一权重。其三，两个 AUROC 均为回顾性测试集结果，ClinBench 所代表的前瞻准确性需待试验完成后才能验证，中间还隔着试验延期、方案修订与终点变更等现实变量。几项加总之后，当前最稳妥的读法是：这是一套防泄漏设计清晰、分数可查的系统，但它是否真能在事前提升决策质量，答案不在今天的预印本里，而在那 3311 项试验陆续读出结果之后。

原文链接：medRxiv（预印本）

千方医数集编辑部 出品