CataX AI:一人带AI代理做临床开发
医药研发卡壳在“临床前到临床”的窄门口:全球 1.27 万家临床前在研管线中,仅 1868 个真正进入临床阶段(数据源:B·Citeline/BCG)。CataX AI 由前微软亚研的王子龙创立,走了一条反常识的路——不卖软件,而是自持医药资产,用“一名全栈负责人 + AI 代理团队”模式把早期临床概念验证(PoC)跑通,再把数据授权变现。这个思路对普通创业者门槛极高,但底层的“AI 消除部门交接税”逻辑,完全可以复制到其他高合规、长链条的专业服务里。
这个模式到底怎么转
不卖工具、不养 CRO 团队,直接吃下临床前资产,靠 AI 代理跑通人体 PoC 后拿授权费。核心壁垒是创始人“临床医学博士 + AI + 监管注册”的复合背景。
具体拆解为四个环节:
- 组织重构:打破按职能分组,1 名全栈负责人拥有绝对决策权,医学/统计/注册等 Agent 共享同一份带审计轨迹的上下文。据作者实测,这样能直接砍掉传统“交接税”。
- 资产筛选:研究 Agent 持续扫描领域建档案,Agent 集群从科学、专利、商业三个角度互斥挑刺,中立审阅者核对分歧后由人拍板。团队已完成数十个管线扫描,首个资产进入实质引进阶段。
- 基础设施:通过 API/MCP 打通 eTMF 与 EDC 系统,确保 Agent 操作符合 ICH E6 (R3) 规范,让证据全程可溯源。
- 经验沉淀:把执行偏差转成高频反馈信号,编码为可复用的 Skill。相当于组织本身变成了一个持续被训练的模型。
对标来看,Anthropic 收购的 Mithril Medicine 已用 AI 协调 11 家外部实验室、18 个月推进到小鼠实验;CataX 更进一步,直接冲最难的“人体 PoC”阶段。
想抄作业的人先避这两个坑
最大的雷是“AI 幻觉撞上临床合规”。Mithril 案例显示 AI 起草邮件出过事实错误,若用在人体试验上,轻则数据造假、重则安全疏漏。应对办法很死板:盲态管理、统计审核这些人工复核环节必须保留,不能搞 Agent 全闭环。
第二个雷是资产估值错配。临床前资产看着便宜,如果没有明确的 PoC 终点,AI 加速带来的收益会被漫长的等待稀释。筛选时必须锁定“分子已就绪、仅缺人体数据”的标的,拒绝需要大量湿实验迭代的早期靶点。
对非医药背景的团队,编辑观察认为更现实的路径是“借船出海”:先给现有药企提供 AI 辅助临床策略咨询,跑通单点流程再谈资产。初期需投入数十万美元搭建 MCP 协议与 Agent 工作台,配一名资深临床专家加两名全栈工程师,3-6 个月完成首个策略验证。
常见问题
问:为什么普通 AI 创业团队做不了 Clinical-of-One?
答:核心卡点不在技术,而在创始人必须同时懂临床医学、AI 研究及监管注册。这种复合背景能穿透监管壁垒,普通团队缺乏资产获取与监管谈判能力。
问:这种模式适合国内环境落地吗?
答:跨境轨道基本不可行,强依赖本地患者资源及 NMPA/FDA 监管互认。国内仅限高阶玩家,需绑定拥有优质临床前管线的 Biotech,以“技术合伙人”身份切入,按项目里程碑收费而非一次性买断。
问:如何避免 AI 在临床研究中出错?
答:必须保留独立人工复核作为硬性合规底线,包括盲态管理和统计审核,不可完全依赖 Agent 闭环。同时通过 MCP 协议打通 eTMF 和 EDC 系统,确保 Agent 操作符合 ICH E6 (R3) 规范,实现证据可溯源。
来源 · 微信公众号-机器之心:阅读原文 →
