从选中心到找到患者，AI 能接住哪一段？

本文依据 CCTi2026 现场分享和笔记整理，并参考论坛公开议程。发言为非逐字转述，文中的试点方法为作者建议。

中心名单与可入组患者之间，隔着一次可行性判断

“能找到中心”并不等于“中心能按方案执行”，更不等于“患者可以入组”。一位三甲医院的研究者在 10 月 23 日的发言中提醒：同一份方案在不同中心的落地条件可能不同。她举了给药准备等细节，说明方案设计与中心实际操作之间需要研究者和申办方沟通。

这给选中心工具划出了一条边界。中心历史项目量、疾病相关数据和研究者信息，可以帮助团队形成候选名单；给药条件、检查安排、人员和受试者路径等实际问题，仍须由项目团队与中心核实。若这些核实结果没有回写，下一轮“智能推荐”只会重复上一轮的假设。

10 月 24 日，一家医疗数据企业的嘉宾介绍了从区域数据支持中心可行性评估，到院内患者筛查和区域报名入口的探索。他提到，候选患者经过沟通后，还要由研究者进一步判断。

同日，一家患者招募服务企业的嘉宾介绍的是另一条路径：由当地人员发现潜在患者，平台接收病历材料，用 AI 做初步匹配，再将较高匹配度的线索交给客户，并由人员继续跟进。这里的“发现”“初筛”“交付”“跟进”分别由不同角色完成。

两种路径覆盖的数据入口不同，却都会遇到同一件事：下一位接手者收到的究竟是一个名字、一份病历，还是一条能说明匹配依据与待核问题的线索？

一个可操作的招募链条可以拆成四段：中心可行性评估、候选患者发现、初步匹配与沟通、研究者确认。每段都应说明输入来自哪里、依据的是哪一版方案、谁可以查看、谁复核，以及什么情况下退回上一段。

例如，初筛工具标出“可能符合”时，应同时列出支持该判断的条件和缺失信息。招募人员可以补充沟通记录，研究者再依据完整资料判断是否进一步筛查。最终未进入下一步的原因，也应按事先约定的类别记录。这样既能减少无效线索反复流转，也能看出问题出在数据不足、方案条件理解，还是中心实际执行条件。

建议先选一个项目，限定一个中心或一条招募渠道，以相同时间范围和筛查标准记录原流程与试点流程。除了候选中心到启动的转化，还可看线索到有效筛查的比例、初筛误报与漏报、研究者退回原因、实际入组进展，以及人员核对和随访投入。患者相关数据的使用范围与访问权限，应在试点前确定。

只有把各段的分母、责任人和退回原因固定下来，团队才能判断 AI 接住的是哪一段工作，以及它是否让下一段更容易完成。

来源说明：依据 2026 年 10 月 23—24 日 CCTi2026 的现场分享整理，发言人姓名与单位已隐去。

本文基于公开资料与作者观点整理，不构成投资或合规意见；数字与出处以原文为准。