紐約 —
（2026 年 1 月 8 日）— 在《自然藥物發現評論》上發表的一項綜合性縱向研究中，Epistemic AI 發現臨牀試驗數量與成功完成之間的差距正在擴大。研究表明，自 2013 年以來，全球試驗啓動數量穩步上升，但關鍵晚期階段的提前終止率增長得更為迅速。
這項分析是通過 EpistemicGPT 和 Epistemic Knowledge Graph 進行的，強調了製藥決策中的一個關鍵轉變。通過對十年試驗結果的映射，Epistemic AI 發現，商業驅動的催化劑和投資組合再平衡現在是導致第二和第三階段終止的最常見觸發因素。
關鍵研究發現
在對 2013 年至 2023 年間 3180 個終止試驗的分析中，研究識別出一個明顯的趨勢：晚期終止率在過去十年中翻了一番，從 11% 躍升至 22%。儘管運營障礙和安全問題保持相對穩定，但這一激增主要是由 “戰略和商業” 因素驅動的。這些因素，如併購活動和投資組合優先級調整，現在超越臨牀療效，成為試驗失敗的主要原因。
Heather Bowling, PhD，首席作者及 Epistemic AI 的 科學發展副總裁，表示這項研究的目標是 “引起對終止趨勢的關注，這可能會影響一些決策，並最終加速患者的治療。”
減少藥物開發中的沉沒成本
第三階段試驗因資源密集而臭名昭著，成本在每個資產之間範圍為 5000 萬至 2.5 億美元。因此，在資源需求較少的第二階段終止不成功的項目將更具優勢。
在文章中，研究人員考察了終止的具體原因，希望闡明這些因素如何轉化為日常藥物開發實踐。理解這些驅動因素對於優化任何管道和資源分配至關重要。
“我們的多智能體 AI 平台使研究人員能夠超越單個試驗，看到試驗領域的更廣泛聯繫，”Epistemic AI 的首席執行官兼創始人 Stefano Pacifico 表示。 “通過識別這些高頻主題，我們可以為許多其他連接提供幫助，不僅僅是試驗終止原因，Epistemic AI 幫助贊助商彌合更好科學與更好規劃和結果之間的差距。”
作者
這項分析已發表在《自然藥物發現評論》（2025 年）上，標題為《2013 年至 2023 年階段 II 和階段 III 臨牀試驗終止分析》。作者： Heather Bowling, Arianna Cocucci, Da Chen, Emily Koo 和 Richard K. Harrison。
https://www.nature.com/articles/d41573-025-00208-6

Epistemic AI 在《自然評論：藥物發現》上發表的一項研究顯示，戰略商業決策是導致第三階段臨牀試驗終止的主要原因，過去十年這一比例從 11% 翻倍至 22%。研究強調了製藥決策的變化，商業因素如併購活動現在超過臨牀療效，成為試驗失敗的主要原因。該研究旨在為決策提供信息，以加速患者治療並優化藥物開發資源

NEW YORK —
<div class="lb-trans">紐約 —
</div>(January 8, 2026) — In a comprehensive longitudinal study published in Nature Reviews Drug Discovery, Epistemic AI has identified a widening gap between clinical trial volume and successful completion. The research shows that while global trial initiations have climbed steadily since 2013, the rate of premature terminations in critical late-stage phases has grown even more rapidly.
<div class="lb-trans">（2026 年 1 月 8 日）— 在《自然藥物發現評論》上發表的一項綜合性縱向研究中，Epistemic AI 發現臨牀試驗數量與成功完成之間的差距正在擴大。研究表明，自 2013 年以來，全球試驗啓動數量穩步上升，但關鍵晚期階段的提前終止率增長得更為迅速。
</div>The analysis, conducted with EpistemicGPT and the Epistemic Knowledge Graph, underscores a critical pivot in pharmaceutical decision-making. Mapping over ten years of trial outcomes, Epistemic AI found that business-led catalysts and portfolio rebalancing are now the most frequent triggers for Phase 2 and 3 terminations.
<div class="lb-trans">這項分析是通過 EpistemicGPT 和 Epistemic Knowledge Graph 進行的，強調了製藥決策中的一個關鍵轉變。通過對十年試驗結果的映射，Epistemic AI 發現，商業驅動的催化劑和投資組合再平衡現在是導致第二和第三階段終止的最常見觸發因素。
</div>Key Research Findings
<div class="lb-trans">關鍵研究發現
</div>In an analysis of 3,180 terminated trials between 2013 and 2023, the study identifies a stark trend: the rate of late-stage terminations has doubled over the last decade, jumping from 11% to 22%. While operational hurdles and safety concerns remained remarkably stable, the surge was driven primarily by “Strategic and Business” factors. Those factors such as M&amp;A activity and portfolio reprioritization, now outpace clinical efficacy as the leading cause of trial failures.
<div class="lb-trans">在對 2013 年至 2023 年間 3180 個終止試驗的分析中，研究識別出一個明顯的趨勢：晚期終止率在過去十年中翻了一番，從 11% 躍升至 22%。儘管運營障礙和安全問題保持相對穩定，但這一激增主要是由 “戰略和商業” 因素驅動的。這些因素，如併購活動和投資組合優先級調整，現在超越臨牀療效，成為試驗失敗的主要原因。
</div>Heather Bowling, PhD, lead author, and VP of Scientific Development at Epistemic AI, indicated that the goal of the study was “to draw attention to the termination trends which may inform some decision-making and ultimately accelerate treatments for patients.&#34;
<div class="lb-trans">Heather Bowling, PhD，首席作者及 Epistemic AI 的 科學發展副總裁，表示這項研究的目標是 “引起對終止趨勢的關注，這可能會影響一些決策，並最終加速患者的治療。”
</div>Reducing Sunk Costs in Drug Development
<div class="lb-trans">減少藥物開發中的沉沒成本
</div>Phase 3 trials are notoriously resource-intensive, with costs ranging between $50-250MM per asset. Consequently, it would be far more advantageous to terminate unsuccessful programs during the less resource-intensive Phase 2 stage.
<div class="lb-trans">第三階段試驗因資源密集而臭名昭著，成本在每個資產之間範圍為 5000 萬至 2.5 億美元。因此，在資源需求較少的第二階段終止不成功的項目將更具優勢。
</div>In the article the researchers examine the specific reasons for terminations in hopes of shedding light on how these factors are translating into everyday drug development practices. Understanding these drivers can be critical for optimizing any pipeline and resource allocation.
<div class="lb-trans">在文章中，研究人員考察了終止的具體原因，希望闡明這些因素如何轉化為日常藥物開發實踐。理解這些驅動因素對於優化任何管道和資源分配至關重要。
</div>“Our multi-agent AI platform allows researchers to look beyond the individual trial to see the broader connections across the trial landscape,&#34; said Stefano Pacifico, CEO and founder of Epistemic AI . “By identifying these high-frequency themes, and we can do this for many other connections not only in trial termination reasons, Epistemic AI helps sponsors bridge the gap between better science and better planning, and results.”
<div class="lb-trans">“我們的多智能體 AI 平台使研究人員能夠超越單個試驗，看到試驗領域的更廣泛聯繫，”Epistemic AI 的首席執行官兼創始人 Stefano Pacifico 表示。 “通過識別這些高頻主題，我們可以為許多其他連接提供幫助，不僅僅是試驗終止原因，Epistemic AI 幫助贊助商彌合更好科學與更好規劃和結果之間的差距。”
</div>Authorship
<div class="lb-trans">作者
</div>This analysis has been published in Nature Reviews Drug Discovery (2025) titled &#34;Analysis of phase II and phase III clinical trial terminations from 2013 to 2023.&#34; Authors: Heather Bowling, Arianna Cocucci, Da Chen Emily Koo, and Richard K. Harrison.
<div class="lb-trans">這項分析已發表在《自然藥物發現評論》（2025 年）上，標題為《2013 年至 2023 年階段 II 和階段 III 臨牀試驗終止分析》。作者： Heather Bowling, Arianna Cocucci, Da Chen, Emily Koo 和 Richard K. Harrison。
</div>https://www.nature.com/articles/d41573-025-00208-6
<div class="lb-trans">https://www.nature.com/articles/d41573-025-00208-6
</div>

Epistemic AI 的分析揭示，戰略性商業決策是三期臨牀試驗終止的主要原因