TDC Trial Group：临床试验相关 AI 任务

TDC Trial Benchmark Group 把 AI 的应用从分子层面延伸到临床试验层面：给定药物结构、适应症和试验方案，预测这个试验能否成功。临床阶段的失败占据了新药研发成本的绝大部分，如果能提前识别高风险试验，价值极大——但这也是 AI 制药中最困难、最容易被过度承诺的方向之一。

主要任务：TOP（Trial Outcome Prediction）

任务	预测目标	规模
Phase I	能否通过 I 期（主要看安全性）	约 1,700 个试验
Phase II	能否通过 II 期（初步疗效）	约 2,700 个试验
Phase III	能否通过 III 期（确证疗效）	约 1,100 个试验

数据来自 ClinicalTrials.gov，结合药物结构（SMILES）、疾病编码（ICD-10）、试验方案文本（入排标准）等多模态信息。

输入特征的三个来源

from tdc.benchmark_group import counterfactual_group   # 具体接口以官方文档为准
from tdc.multi_pred import TrialOutcome

data = TrialOutcome(name="phase2")
split = data.get_split()
# 每条记录包含：
#   drug_smiles     —— 候选药物的结构（可能多个）
#   disease_code    —— ICD-10 疾病编码
#   protocol        —— 入排标准文本
#   label           —— 试验是否成功

• 分子结构：用指纹或图模型编码，反映药物本身的性质。
• 疾病信息：ICD 编码可组织成层次结构，不同治疗领域的成功率差异巨大（肿瘤远低于感染性疾病）。
• 试验方案文本：入排标准的严格程度、终点设置、样本量等，用语言模型编码。

现实边界：必须诚实看待

这类预测的困难是本质性的，不是数据多一点就能解决：

• 标签定义模糊：试验「失败」的原因五花八门——疗效不足、安全性问题、招募困难、公司资金链断裂、战略调整、竞品上市。把这些都标成同一个「失败」标签，模型学到的是一个混合概念。
• 存在报告偏倚：失败的试验常常不公布结果，ClinicalTrials.gov 上的信息完整度参差。缺失本身就是非随机的。
• 数据量小：每期只有一两千个试验，而影响因素极多，样本量与问题复杂度严重不匹配。
• 关键信息不在数据里：试验成败很大程度取决于靶点生物学是否正确、剂量选择是否合适、患者分层是否精准——这些深层信息大多不在结构化数据中。
• 时间漂移：监管环境、试验设计规范、治疗标准都在变化，历史数据对未来的预测力有限。

合理的定位

• 不是「预测成败」，而是「识别风险信号」：模型给出的高风险提示，价值在于促使团队重新检视方案，而不是替代决策。
• 可解释性比准确率重要：告诉决策者「这个试验风险高，因为入排标准过于宽泛 + 该适应症历史成功率低」，比给一个 0.3 的概率有用得多。
• 治疗领域基线要先建立：不同领域的历史成功率差异极大（肿瘤 II→III 期成功率可能低于 30%，某些领域超过 60%）。模型必须先能超过「按治疗领域的基础成功率猜」这个基线，否则没有增量价值。
• 与其他信号联用：遗传学证据支持的靶点，临床成功率明显更高（见 250《Open Targets Genetics》）。这类正交信息往往比试验方案特征更有预测力。

它的教学价值

即使实用性有限，这组任务仍值得做一遍：它逼你面对真实决策问题的复杂性——标签定义不清、数据缺失非随机、关键变量不可观测、样本量不足。这些是分子层面任务中体验不到的，而它们恰恰是 AI 在药物研发后端难以落地的根本原因。

延伸资源

• 工具箱：173《TDC》；靶点证据：249《Open Targets Platform》、250《Open Targets Genetics》；
• 临床决策与监管见「决策与监管」模块。