测试新药是一个缓慢、昂贵和耗费人力的过程。人工智能有可能重构临床试验过程的每个阶段——无论是从匹配符合条件的患者到临床试验过程，再到监测依从性和数据收集。

　　在美国，2018年有超过170万人首次被诊断出患有癌症。与此同时，超过1万项临床试验将各自需要招募数千名新患者，用于测试可能拯救生命的实验性癌症药物。然而，只有不到5%的癌症患者最终参加了试验。

　　造成临床试验无法匹配合适的患者原因是多重的。对于癌症这样的绝症，只有当现有的治疗方法已经失败时，患者才可以参加药物试验。最重要的是，并不是所有被诊断出患有绝症的病人都有资格参临床试验，甚至，发现他们是否有资格参加就是一项艰巨的任务。

　　对于那些有资格参加试验的人来说，参加试验需要大量的成本和时间，而现有的数据收集方法把这一过程变得更加复杂。

　　现有临床试验的过程也不止是让患者日子难过，临床试验对于的其它利益相关方例如药企、CRO而言也是一个低效的过程。药物试验平均耗时近十年，耗资高达数十亿美元。许多试验由于注册问题而失败。这些都在说明这个价值650亿美元的临床试验市场需要进行改造。

　　人工智能现在被吹捧为万能的灵丹妙药，该技术在简化冗杂临床试验过程方面具有巨大潜力。例如从远程监测的物联网到处理EHR数据的机器学习，再到基于人工智能的数据保护网络安全。

　　美国知名数据服务机构CBinsight近期分析了人工智能在临床试验中的前景和局限性