測試新藥是一個緩慢、昂貴和耗費人力的過程。人工智能有可能重構臨床試驗過程的每個階段——無論是從匹配符合條件的患者到臨床試驗過程，再到監測依從性和數據收集。

　　在美國，2018年有超過170萬人首次被診斷出患有癌癥。與此同時，超過1萬項臨床試驗將各自需要招募數千名新患者，用于測試可能拯救生命的實驗性癌癥藥物。然而，只有不到5%的癌癥患者最終參加了試驗。

　　造成臨床試驗無法匹配合適的患者原因是多重的。對于癌癥這樣的絕癥，只有當現有的治療方法已經失敗時，患者才可以參加藥物試驗。最重要的是，并不是所有被診斷出患有絕癥的病人都有資格參臨床試驗，甚至，發現他們是否有資格參加就是一項艱巨的任務。

　　對于那些有資格參加試驗的人來說，參加試驗需要大量的成本和時間，而現有的數據收集方法把這一過程變得更加復雜。

　　現有臨床試驗的過程也不止是讓患者日子難過，臨床試驗對于的其它利益相關方例如藥企、CRO而言也是一個低效的過程。藥物試驗平均耗時近十年，耗資高達數十億美元。許多試驗由于注冊問題而失敗。這些都在說明這個價值650億美元的臨床試驗市場需要進行改造。

　　人工智能現在被吹捧為萬能的靈丹妙藥，該技術在簡化冗雜臨床試驗過程方面具有巨大潛力。例如從遠程監測的物聯網到處理EHR數據的機器學習，再到基于人工智能的數據保護網絡安全。

　　美國知名數據服務機構CBinsight近期分析了人工智能在臨床試驗中的前景和局限性