AIwithCare
麻州總醫院分拆出來的新公司,用生成式 AI 讀病歷替臨床試驗篩病人
臨床試驗招募有個長期無解的落差:符合條件的病人其實就在醫院裡,但沒有人有時間把幾千份病歷一份份讀完,比對幾十條收案與排除條件。結果是試驗招不到人,而病人也錯過可能的治療機會。AIwithCare 就是衝著這個落差成立的。
功能特色與適用場景
公司由麻州總醫院布萊根(Mass General Brigham)分拆成立,這個出身背景很重要——它意味著產品是從真實的臨床試驗痛點長出來的,而不是先有技術再找場景。官方定位為「加速研究、轉變照護」。
核心是一套用生成式 AI 篩選臨床試驗適格性的軟體平台。技術上的難點在於,收案條件經常寫得很細(例如「六個月內未接受過特定治療」「特定基因變異」),而這些資訊往往埋在非結構化的病歷文字裡——出院摘要、病程紀錄、影像報告。傳統的結構化資料查詢抓不到,這正是語言模型比較有機會的地方。
適用對象是醫學中心的臨床研究單位、癌症中心與試驗主持人。同期市場上,Mount Sinai 也在 2026 年推出腫瘤科的 AI 試驗媒合平台,City of Hope 則部署了自建的 HopeLLM——顯示這是醫學中心正在集體投入的方向。
對台灣讀者,這件事的意義在於:台灣的醫學中心參與國際多中心試驗的競爭力,有一部分就取決於「能不能快速找到夠多合格病人」。這是可以用技術補強的環節。
要提醒的是,這是非常早期的公司,且臨床試驗招募涉及嚴格的倫理審查與病人隱私規範,AI 篩選結果必須由研究人員複核,不能自動決定病人是否入組。
TheAI學院 編輯建議
編輯實測後的真心話從頂尖醫院分拆出來的 AI 公司,我通常會多給一點期待,因為它們至少知道真正的痛點在哪——太多醫療 AI 是工程師想像出來的問題。不過這家還很早期,官網資訊少得可以,我會把它列在觀察名單而不是推薦名單。對台灣的醫學中心,我倒覺得可以先問自己一個問題:我們的病歷資料,整理到能讓 AI 讀懂的程度了嗎?
主要功能
- 生成式 AI 讀取非結構化病歷篩選試驗適格性
- 自動比對複雜的收案與排除條件
- 由麻州總醫院布萊根分拆成立,源於真實臨床需求
- 加速臨床試驗病人招募流程
- 面向醫學中心研究單位與試驗主持人
適用場景
- 癌症中心快速篩選符合試驗條件的病人
- 多中心試驗的收案可行性初評
- 罕見疾病試驗尋找潛在受試者
- 縮短試驗啟動到首位收案的時間
AIwithCare 的優點與缺點
優點
- 能處理埋在病歷文字裡的條件,補足結構化查詢的盲點
- 出身頂尖醫學中心,臨床場景理解深
- 解決的是臨床試驗最實際的瓶頸之一
缺點
- 公司非常早期,產品成熟度與長期營運待觀察
- 官網資訊有限,功能細節需直接洽詢
- AI 篩選結果必須人工複核,且受倫理審查與隱私規範約束
價格方案
早期公司,需洽詢;為麻州總醫院布萊根(Mass General Brigham)分拆成立
AIwithCare 常見問題
AI 篩出來的病人可以直接納入試驗嗎?
絕對不行。AI 的角色是把幾千份病歷縮小到幾十份值得人工細看的候選,最終的適格性判定必須由研究人員與主持醫師確認,並完成知情同意程序。臨床試驗的入組決定牽涉病人安全與法律責任,任何自動化系統都不能取代這一關。
用 AI 讀病歷會有隱私問題嗎?
有,而且必須嚴肅處理。病歷屬於高度敏感的個人健康資料,使用前需通過機構的倫理審查委員會(IRB)核准,並符合當地隱私法規(美國是 HIPAA,台灣是個資法與人體研究法)。技術面通常要求資料不外流、在院內環境處理。導入這類系統時,法遵流程的重要性不低於技術評估。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
AIwithCare 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 資料探勘
更多美國的 AI 工具
同樣來自美國的 AI 工具,一起看看。