人工智能并不能代替医生进行诊断。这次开始的是一项示范实验，其中法学硕士被委托“初步缩小”寻找可能参加临床试验的患者的范围。在不交出决策主体的情况下，你能在多大程度上接管工作？该线条图的准确性受到质疑。
近畿大学医院、中外制药、NTT 和 NTT Data 于 2026 年 6 月开始了一项联合研究项目，旨在使用真实世界数据和大规模语言模型 (LLM) 验证临床试验患者选择的准确性和效率。我们将根据中外制药制定的近代大学医院电子病历数据临床试验方案的资格标准，对传统基于规则的方法（Python/SQL）和LLM相结合的提取方法进行比较和评估。 NTT开发的大规模语言模型“Tsuzumi 2”将用于技术验证。
我们将使用医生和CRC（临床试验协调员）的判断结果作为比较标准，检查提取的准确性及其对减少试验参与者的工作量和缩短招募时间的贡献。该项目计划于2027年3月实施，需获得近代大学医学院伦理委员会的批准。这项研究基于近代大学医院和 NTT Data 于 2026 年 5 月公布的技术验证结果。
从： 
开始使用真实世界数据和生成式人工智能 (LLM) 进行联合研究，以提高临床试验患者选择的准确性和效率
【编辑部评论】
在近代大学医院、中外制药、NTT 和 NTT Data 于 2026 年 6 月开始的这项联合研究中，首先要记住的是“人工智能不做什么？”在这项研究中，法学硕士负责从电子病历数据中筛选出可能符合临床试验方案中设定的资格标准的患者。明确指出，是否真正将患者纳入临床试验的最终决定将继续由医生做出。
这样的划分可以说是为了消除是否可以将诊断和治疗计划委托给AI的问题，而这往往是媒体报道医疗AI的焦点。这项研究的任务是将患者数据与相对正式的条件（称为资格标准）进行匹配，从而取代了医生和 CRC（临床试验协调员）逐一检查病历的过程。这类工作本质上与人工模式匹配类似，从人工智能判断干预程度来看相对容易处理。
这一缩小范围的过程之所以成为瓶颈，是因为无法全面识别符合资格标准的患者被认为是临床试验启动延迟的原因之一。 NTT Data 和近代大学医院于 2026 年 5 月宣布了类似的技术验证，通过将过去临床试验的资格标准与电子病历数据进行比较，确认了显着缩小目标人群的可能性。本研究旨在建立在这些知识的基础上，通过比较基于规则的方法和法学硕士相结合的方法来扩大验证范围。
用于技术验证的“Tsuzumi 2”是NTT从无到有开发的国产LLM，独特之处在于专注于学习金融、地方政府、医疗等领域的知识。在本研究中，它将被用作从医学论文中进一步研究的医学专用版本。 NTT 还于 2026 年 4 月同意与 Igaku Shoin 合作，共同开发医疗 AI 信息平台，因此这并不是 Tsuzumi 2 第一次部署在医疗领域。在处理敏感信息的领域，似乎有一种趋势是采用考虑到数据控制的国内模型，而不是海外制造的通用法学硕士。
另一方面，重要的是要记住，这些努力试图解决的“临床试验启动延迟”本身只是更大结构的一部分。在日本，“药品流失”是指在海外获得批准的药品甚至没有在日本开始开发的问题，但有人指出主要原因是药品定价政策和企业对市场规模的盈利判断，而临床试验候选患者的选择效率只是原因之一。即使患者选择变得更加高效，也不会直接影响药企的上游决策过程，比如是否在日本市场进行临床试验。
此外，这一举措实际上能在多大程度上减少医生和 CRC 的工作仍有待验证。该研究已获得近畿大学医院伦理委员会批准，计划持续至2027年3月，目前尚未得出结论。除了提取准确性之外，验证项目还包括医生和CRC的工作量和内容如何变化，我们还需要等待未来的验证结果，看看效率的提高是否会导致实际临床站点的负担减轻。
【术语解释】
真实世界数据
在实际临床环境中积累的医疗数据。它在临床试验、新药开发和提高医疗质量方面的应用正在取得进展。
临床试验实施方案
明确研究新药有效性和安全性的临床试验的目的、方法、参与条件等的书面计划。
资格标准
为了保证临床试验的安全性和科学可靠性，根据年龄、症状等确定患者可以参加的条件。
临床试验协调员 (CRC)
协调医生、试验参与者和制药公司等相关方并支持临床试验正确实施的医疗专业人员。
药物损失
在海外获得批准的药物在日本甚至还没有开发出来。主要原因被认为是药品定价政策和企业基于市场规模的盈利判断。
[参考链接]
NTT研究开发网站「tsuzumi」（外部）
NTT自主开发的国产大型语言模型“tsuzumi”系列的技术说明页面。介绍Tsuzumi 2在医学、金融和地方政府领域知识的增强。
NTT Data《tsuzumi 2》介绍页面（外部）
NTT Data 的 Tsuzumi 2 服务介绍页面。它描述了一种在 1 个 GPU 上运行并通过 Microsoft Azure 进行配置的轻量级设计。
[参考文章]
使用真实数据完成临床试验患者选择的技术验证 | NTT数据集团（外部）
此前于2026年5月宣布的技术验证是此次联合研究的基础。报告证实，通过分析电子病历数据可以显着缩小目标人群范围。
药物滞后/药物损失|日本药品工业协会（外部）
解释药物丢失的定义和背景。我们正在重组架构，主要是药品价格政策和市场规模的不确定性。
利用生成的人工智能的医疗数据，为临床试验候选患者的选择做出贡献 |富士通（外部）
有文章指出，富士通也于 2025 年 5 月宣布了类似举措。这支持了多家公司同时推进使用 AI 来识别临床试验候选患者的行业趋势。
[相关文章]
《Tsuzumi 2》NTT与其他三家公司共同开发纯国产医疗AI信息平台
这并不是 Tsuzumi 2 第一次应用于医疗领域。 2026年4月，宣布与医学书院合作共同开发医疗AI信息平台。
介绍NTT版本的LLM“tsuzumi 2 Vision” - 纯国产AI，可以使用1个GPU阅读带图表的日本商业文件
本文详细介绍了 tsuzumi 2 的特性，例如本地操作和敏感信息处理。
NEDO、东京大学和其他 10 所大学开发日本 LLM 以支持医疗工作 |以90.8%的专业考试成绩接近商业法学硕士
国内专门针对医疗领域的LLM发展也在NTT之外取得进展。另请参阅 NEDO 和东京大学等产学合作项目的例子。
[编者后记]
这个项目的核心是一个简单而谨慎的角色设计，避免了“AI代表医生诊断”的概念，“只承担收集材料供医生做出决定的任务”。关于医疗AI的讨论往往会被吸引到未来的华而不实的愿景，但在实施中首先重要的是边界划分的精确性。像Tsuzumi 2这样的国产机型在敏感信息领域的可信度取决于这种低调验证的积累。包括无法解决上游药物损失问题的局限性，这项研究提出了一种设计理念，首先决定“什么不应该委托给人工智能”。我们希望关注今年验证结果的内容。