Mendel.ai 的AI算法不仅服务于肿瘤领域，还覆盖罕见病、慢性病、传染病等多种临床试验场景，其核心价值在于通过匹配患者与临床试验，解决患者招募难题，尤其对罕见病领域价值最大。
下游应用场景与需求结构
Mendel.ai 的算法通过匹配医疗记录、医学文献和患者上传的病理内容，帮助试验主体找到合适的受试患者。不同疾病领域的应用需求存在显著差异：
| 疾病领域 | 占比（全球AI药物管线适应症） | 需求特点 |
|---|---|---|
| 癌症 | 66% | 试验数量多，但竞争激烈，AI 辅助精准匹配 |
| 遗传性疾病、罕见病 | 12% | 患者分散，招募难度大，AI 匹配价值最大 |
| 神经系统、免疫疾病 | 10% | 样本量要求高，AI 可评估试验可行性 |
| 肠道疾病 | 8% | 相对小众，需精准筛选 |
| COVID-19 | 5% | 突发需求，需快速匹配 |
罕见病患者分散，AI 匹配价值最大。据统计，近三分之一的III期临床因患者招募问题而失败，而 AI 能通过分析病历和文献，大幅提升招募效率。
Mendel.ai 的算法优化方向
Mendel.ai 鼓励患者向自建平台提交病历，算法会将患者与合适的临床试验进行匹配。针对不同领域，算法会重点优化：
- 罕见病：利用自然语言处理技术，从非结构化病历中提取关键信息，扩大匹配范围。
- 慢性病：确保样本量充足，例如在评估临床试验时，AI 会判断样本是否具有统计说服力（如仅10个病人的慢性病试验设计将无法通过评估）。
- 传染病：对突发疫情（如COVID-19）进行快速响应，优先匹配相关试验。
常见问题
为什么罕见病是AI临床试验匹配价值最大的领域？
因为罕见病患者人数少且分布分散，传统方式难以找到足够受试者。Mendel.ai 的算法能跨越地域限制，从大量病历中精准筛选出符合条件的患者，显著降低招募失败率。
除了患者招募，Mendel.ai 的AI还能用于哪些场景？
除了患者匹配，AI 还可基于公开临床数据帮助评估临床试验的成功率。例如，针对慢性病的试验若样本量过小（如仅10个病人），AI 会判定其缺乏说服力，从而提示调整试验设计。
药企对不同疾病领域的付费意愿有何差异？
肿瘤领域试验数量多、竞争激烈，药企付费意愿最高；罕见病领域虽试验数量少，但招募难度大、失败风险高，药企愿意为AI匹配的精准性支付较高费用；慢性病和传染病领域则更看重效率和成本控制。