Trially
用 LLM 讀電子病歷替臨床試驗找到合適病人，宣稱比對準確率約 95%。
Trially 專門解一個臨床試驗界的老毛病：找不到病人。一個新藥試驗做不做得成、要拖多久，很大程度取決於招募速度，而傳統招募靠的是研究護理師人工翻病歷、一份一份比對收案條件，慢且累。
Trially 的做法是把大型語言模型接上電子病歷（EHR），讓 AI 讀懂試驗的收案與排除條件，再去病歷資料裡撈出可能符合的病人，做完初篩才交給人確認。官網揭露它已串接 16 種以上的電子病歷系統，病人比對準確率約 95%，使用單位每月收案人數提升 2 到 6 倍、人工翻閱病歷的時間減少約 9 成，每月省下 250 小時以上的初篩工作。這些都是廠商自己提供的數字，實際成效會因為院所資料品質而有落差。
功能特色與適用場景
服務對象分三類：試驗執行的研究中心與醫院、試驗委託者（sponsor）與受託研究機構（CRO），以及需要轉介病人的醫師。法遵方面通過 HIPAA、SOC 2、FDA 21 CFR Part 11、IRB 與 ISO 27001 認證，這在碰病歷的產品是基本門檻。價格未公開，需要預約展示。
給台灣讀者的具體用法
台灣醫學中心的臨床試驗量能在亞洲名列前茅，收案速度一直是承接國際多中心試驗時的競爭力關鍵。不過要注意，Trially 目前的串接以美國的 EHR 系統為主，台灣醫院多半用自建或本地廠商的 HIS，直接導入不會是插上就能跑。比較實際的看法是：把它當成「AI 讀病歷做收案初篩」這個做法的成熟度指標，台灣要落地還得先處理資料標準化與個資法遵這兩關。
TheAI學院 編輯建議
編輯實測後的真心話臨床試驗收案這件事，外行人很難想像有多費工。我看過研究護理師為了一個試驗翻兩千份病歷，最後收到十幾個人。Trially 這類工具真正的價值不在那個 95%，而在於把人從重複勞動裡拉出來。台灣要用得上，卡的不是技術而是 HIS 資料標準化——這件事喊很多年了。
主要功能
- LLM 讀取電子病歷，自動比對試驗收案與排除條件
- 已串接 16 種以上電子病歷系統
- AI 代理人做病人初篩，官方宣稱準確率約 95%
- Trially Connect 協助醫師轉介病人至合適試驗
- 通過 HIPAA、SOC 2、FDA 21 CFR Part 11、ISO 27001 認證
如何使用 Trially
- 臨床試驗團隊洽詢 Trially 開通並用 Margo。
- 讓它自動掃描病患紀錄。
- 依條件快速匹配參與者。
- 招募符合資格者。
- 讓機器學習持續優化匹配準則。
- 確保人數與多樣性。
- 符合倫理與法規。
適用場景
- 醫學中心加速臨床試驗的病人招募與初篩
- CRO 同時管理多個試驗的收案進度
- 藥廠評估各研究中心的收案潛力與可行性
- 醫師查詢自己的病人是否適合參加特定試驗
- 研究護理師減少人工病歷審閱的重複工作
Trially 的優點與缺點
優點
- 直接打中臨床試驗最大的瓶頸——收案速度
- 法遵認證齊全，碰病歷資料該有的都有
- 把人工翻病歷的重複勞動壓縮掉，研究護理師能做更有價值的事
缺點
- 串接以美系電子病歷為主，台灣醫院導入需要額外工程
- 官方效益數字未公開完整計算方式，實際成效視院所資料品質而定
- 未公開價格，中小型研究中心不易評估預算
Trially 常見問題
AI 篩出來的病人可以直接收案嗎？
不行，而且不該這樣用。Trially 做的是初篩，把人工要翻的量從幾千份壓到幾十份，最後的資格確認與知情同意一定要由研究人員與醫師完成。這是法規要求，也是醫學倫理的底線。
台灣的醫院可以用嗎？
目前不是插上就能用。它的串接主要針對美國常見的電子病歷系統（如 Epic、Cerner 這類），台灣醫院多為自建 HIS 或本地廠商系統，需要額外的介接工程，還要通過院內 IRB 與個資法遵的審查。
病人的病歷資料安全嗎？
Trially 列出 HIPAA、SOC 2、FDA 21 CFR Part 11、IRB 與 ISO 27001 等認證，以碰病歷的產品來說算完整。但台灣導入時仍要另外檢視是否符合個資法與人體研究法的規範，境外傳輸尤其要謹慎評估。
95% 準確率是什麼意思？
官網指的是 AI 依照試驗收案條件比對病人的準確度，這是廠商自行揭露的數字，沒有公開完整的驗證方法與資料集。實際導入時建議自己跑一段平行測試，拿人工結果對照才知道在你的資料上表現如何。
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
Trially 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 醫療與健康
更多us的 AI 工具
同樣來自us的 AI 工具，一起看看。