给心内科和肥胖试验站点用的 EHR 原生预筛查与触达 OS，把日常专科就诊直接拧成入组线索。

1. AI 试验招募赛道的新一轮融资，让专科站点运营方更愿意买基础设施，而不是继续靠加人硬扛。
2. 心内科和肥胖方向的扩张，立刻催生了更懂心代谢工作流的软件需求，而不是继续拿旧的 GI 研究运营工具凑合。
3. 站点网络式匹配天然偏向嵌进门诊运营的软件，因为患者本来就在这里出现，而不是靠外部大范围招募活动。
4. 患者与试验匹配如今已经是一条明确预算项，因此更容易卖出一个能量化入组 ROI 的聚焦型预筛查产品。

催化因素。 Iterative Health 的融资，以及它向心内科和肥胖扩张，说明赞助方和站点网络都在赶着补上一套能跟上新方案扩容速度的专科招募基础设施。

产品接入专科诊所的 EHR、排班数据和转诊入口，持续跑按方案定制的资格逻辑。系统每天给协调员吐出三类工作清单：就诊前触达、就诊中研究讨论提醒、就诊后跟进，并把纳入和排除理由完整留痕。研究负责人则能看到站点级看板，追踪候选人流、筛败原因和各门诊的方案瓶颈。随着数据越积越多，系统还能学会哪些站点、诊断和就诊类型最容易转成真实入组，帮助赞助方和站点集团挑更合适的研究，也少开一些表现差的站点。

差异化。 大多数试验招募供应商都从外部线索获取或赞助方看板切入。这个项目反过来，先扎进专科诊疗平台内部运营——这里资格信号最新，协调员也能在患者流失前动手。这会形成一条专有反馈回路：到底哪些就诊类型、诊断和站点动作，最终真能在心代谢试验里转成筛查和入组。

待完成任务

flowchart LR
  Buyer[研究运营负责人] --> Pain[人工翻病历会漏掉合格患者]
  Pain --> Product[按方案预筛查系统]
  Product --> Outcome[更快入组与更高站点利用率]

高管要点

• 入组痛点确实存在，但现在最值得做的空档，已经不是再去做一层泛化获客，而是如何在患者离开门诊前，把日常专科就诊翻成按方案排好的工作清单。
• 近期融资和合作活动说明，AI 招募正从胃肠领域外溢到心内科和肥胖方向；这更像是在验证滩头市场，而不是逼创业公司从零教育需求。
• 真正的战略空档在站点运营层：大型 RWD 网络和赞助方平台能做可行性评估，但协调员最后一公里执行和就诊前触达仍然七零八落。
• 心代谢需求之所以有结构性吸引力，是因为肥胖和心脏病负担都很大，而心衰和降脂试验里的代表性缺口，又持续逼站点把筛查覆盖和文档留痕做得更系统。
• 集成依旧是卡口风险：FHIR 和 SMART 的确在降摩擦，但本地排班数据、方案翻译，以及可审计的人工复核，照样决定见效速度。
• 广义招募、DCT 和站点科技竞品都不缺钱；创业公司只有把心代谢专科工作流做得足够有判断，才不会滑成另一个通用招募看板。
• 第 3 年更可信的结果，不是做成一个大而全市场，而是拿下一块不大、但真有意义的专科站点版图；更大的上行要靠后续扩进 CRO 可行性评估、赞助方预测和基准数据。

市场定义

这个市场指向美国临床试验运营软件，服务对象是积极开展研究的心内科与肥胖专科诊疗平台。它覆盖 EHR 原生预筛查、协调员工作队列、触达追踪，以及围绕赞助方出资的心代谢研究做站点级入组分析。它不包括面向消费者的试验市场、完整 EDC/CTMS、通用 CRO 服务，也不包括只给赞助方用的可行性工具。

用户与买方

日常用户是临床研究协调员或集中式站点运营团队。真正拍板掏钱的，通常是多站点专科平台里的研究运营 VP/Director 或 COO，因为部署会同时碰到门诊工作流、IT 权限、合规要求和赞助方入组表现。

购买触发点

• 一旦新签了肥胖、心衰或心血管研究，团队就会立刻暴露出仍在靠人工转诊和翻病历推进招募的问题；入组风险会从抽象担忧变成眼前压力。 [8][2][20]
• 站点如果被要求提升代表性和入组质量，就需要一套既能更早识别合格患者、又能把过程完整留痕的做法。 [14]
• FHIR、SMART launch 和更成熟的 EHR 招募工具开始可用，让就诊前匹配在运营上比几年前更容易落地。 [48][46]

支付意愿

邻近预算本来就躺在站点运营和招募相关品类里：无论是提供方还是赞助方，早就在为企业级招募、患者参与、多样性和可行性工具买单。只要这个切口能把价值直接绑到筛查吞吐、转诊质量和漏招风险上，它就有机会把预算切出来，而不必去争一笔空泛的 AI 预算。 [7][16][13][17][28]

品类动态

增长信号 更广义临床试验市场自上而下交叉校验后约为 8.2% CAGR

验证信号

• Iterative Health 近期的 $77M 融资，说明投资人仍然相信 AI 驱动的临床试验招募与匹配是一条活跃的基础设施赛道。
• Iterative 与 US Heart & Vascular 的合作，是心血管社区站点研究基础设施正在搭建的直接证据。
• TriNetX 在大型提供方关联 EHR 数据之上主打试验设计与招募能力，说明买方对数据驱动的招募工作流已有成熟需求。
• Antidote 自己的内容就反复强调转诊流失和肥胖招募里的准备度缺口，而这正是就诊前 intake 层要解决的痛点。
• Medable 和 Medidata 还在持续推出面向站点与 AI 的试验工具，说明现有厂商把站点负担和流程自动化视为正在推进的路线图。

监管与技术约束

• 临床研究流程要求研究者监督、过程控制和可审计记录，以符合 GCP 预期；在早期部署里，完全自动化触达大概率行不通。
• 面向研究的 FHIR 资源和 SMART launch 确实有帮助，但真正能不能上线，仍取决于每个站点愿意开放哪些预约、诊断、用药和用户上下文数据。
• 关于 EHR 招募支持和功能缺口的文献都说明，方案标准翻译、本地数据质量和流程贴合度仍然是限制因素。
• 心血管试验里的代表性与入组缺口，既是机会也是约束：软件得把覆盖面做大，但不能放松记录纪律。

竞争格局大致分成五类：赞助方优先的数据平台、广义临床试验操作系统、社区触达/招募网络、外部患者获取供应商，以及内部手工流程。创业公司若想真正拉开差异，就得死守专科诊疗平台内部运营——尤其是就诊前筛查、转诊分诊和协调员后续跟进——而不是正面去打一场通用招募市场之战。

为什么现有厂商不会默认胜出

• 赞助方平台. Medidata 这类平台能赢下广义试验运营，但它们优化的是跨研究的横向流程覆盖，不是专科门诊里围绕心代谢研究的就诊前资格筛查。
• 真实世界数据网络. TriNetX 这类网络在可行性评估、队列发现和提供方连接上很强，但它们不会天然拿下每天的协调员执行层；真正决定转化的是即将到来的预约、排除条件和触达时机。
• 招募市场与站点网络. Antidote、Circuit 和 Elligo 能把漏斗顶部做大，但默认模式仍把最后一公里的资格确认和门诊内跟进，留给目标诊疗平台自己消化。
• 开放标准与 EHR 原生报表. FHIR、SMART 和研究资源标准让集成更现实，但光有标准并不会自动把方案逻辑翻成站点专属工作清单、审计轨迹和转化基准。
• 内部协调员团队. 人工翻病历当然灵活，但一旦跨门诊、跨方案扩张，效率就会塌；创业公司只有在减轻协调员负担、又不牺牲研究者监督和记录质量时，才有胜算。

这家公司要卖给美国多站点心内科集团和肥胖医学网络一套 EHR 原生的预筛查与触达操作系统，服务对象是正在跑赞助方出资的心代谢临床试验。眼下最痛的地方，是人工翻病历和协调员靠表格分诊：首筛启动慢、日常门诊里的合格患者不断漏掉、站点产能也被白白浪费。最合适的滩头市场，是拥有 20-100 家门诊、背后有 PE 支持且设有中央研究职能的心内科平台，尤其是那些刚启动肥胖或心衰试验、短期内就要面对入组压力的团队。第一版产品必须收得很窄：按方案生成就诊前工作清单、给出经过人工复核的资格解释，并围绕真实预约留下可审计的触达记录。整套 GTM 逻辑是自洽的，因为感受到漏招风险的那位买方，往往也正好掌控研究运营；他们可以先从一个付费试点起步，等首筛天数和协调员工时改善后，再把系统铺到更多门诊。真正的竞争优势，不是泛泛而谈的 AI 匹配，而是扎进专科诊疗平台内部，把心代谢工作流做深——这一层恰好是赞助方平台和招募市场型产品最弱的地方。研究支持这是一个真实、但边界清楚的初始市场：估算 TAM 为 $180M、SAM 为 $42M、3 年可触达 SOM 为 $6M；若想撑起更大的风投想象空间，后续必须扩到 CRO 可行性评估和赞助方基准数据。最大风险在于集成拖慢落地、站点与赞助方之间预算归属不清，以及现有厂商在公司建起数据护城河前就把相似功能打包卖出。由于来源里仍缺定价对标和研究活跃型心内科平台的真实数量，早期定价包装和销售能力都应视作待验证的运营假设，而不是既成事实。

问题

• 心内科和肥胖试验站点到现在还靠人工翻病历、协调员记忆和通用 EHR 报表，所以合格患者会在日常诊疗里被漏掉。
• 入组变慢会拖延赞助方里程碑、抬高协调员人力成本，也让多站点专科平台即使已经有足够病人流量，研究产能仍然吃不满。

解决方案

• 接入诊所 EHR、排班数据和转诊入口，在患者即将到诊前跑按方案定制的资格逻辑。
• 给协调员生成就诊前触达、就诊中研究讨论提醒和就诊后跟进清单，并把纳入与排除理由完整留痕。
• 给研究负责人提供站点级看板，看到候选人流、筛败原因和就诊到首筛的转化情况，从而调整排班和方案组合。

为什么我们会赢

• 产品直接扎进站点运营层，因为患者匹配后能不能真正进入筛查，取决于即将发生的预约和协调员动作。
• 把心代谢专科做深，理应能拿到更好的方案模板、更低的误报率，以及比横向招募工具更有用的转化基准。
• 如果每个季度都能继续缩短方案配置时间、把 ROI 证明做出来，那么可复用的方案规则库和跨站点的转诊流失、筛败模式数据，就会慢慢长成防御力。

里程碑

flowchart LR
  Wedge[多站点心内科集团新开肥胖或心衰研究] --> MVP[就诊前方案工作清单与触达留痕]
  MVP --> Proof[首筛更快且协调员筛查时间下降]
  Proof --> Expansion[每个客户铺到更多门诊与更多方案]
  Expansion --> Moat[跨站点心代谢基准数据]

创始团队

实验路线图

风险评估

必须成立的条件

• 美国至少有 20 个优先级足够高的目标账户，活跃心代谢方案量足以支撑一个专门的纳入工作流产品。
• 只靠预约数据加最小临床数据流，就能在不做重度定制 EHR 集成的前提下生成可用的就诊前工作清单。
• 在完整赞助方招采流程启动前，买方就愿意先用研究运营预算或赞助方 pass-through 预算付钱。
• 协调员和研究者会信任经人工复核的推荐结果，并愿意把它用到真实在跑的研究中。
• 在现有厂商或服务公司补齐这层能力前，公司能先把“试点转生产”跑成可复用动作。

待尽调问题

• 前 20 个目标账户里，哪两套 EHR 或排班环境最常见？在就诊前到底能拿到哪些数据？
• 专科诊疗平台过去买研究运营工具时，究竟哪个 KPI 最能打开预算？
• 平均一个目标平台每年会跑多少个活跃的肥胖、心衰或更广泛心代谢方案？
• 在目标站点里，正式取得研究同意前，和研究相关的患者触达会受到哪些合规约束？
• 在站点级招募工作流里，赞助方或 CRO 多大程度会影响甚至补贴技术选型？

模型合理性

• 收入引擎. 基准情景的收入，来自活跃站点数从 Y1 期末 12 个爬到 Y3 期末 50 个，同时单站点年度 ARPU 维持在 research 支撑的 $120K。
• 必须做对的地方. 公司必须把试点转生产转化率守在约 60%，同时继续压缩方案配置时间，才能保住规划里的 75% 毛利率。
• 模型会在哪种情况下失效. 如果销售周期拉长到约 9 个月，或低自动化接入把 ARPU 压到每站点约 $108K，现金风险就会明显抬头。
• 下一轮融资要看的证明点. 一个站得住脚的种子轮故事，需要在下一轮前做到 36 个活跃站点、约两周的可重复实施周期，并跑通第一条赞助方 / CRO 转介绍。

情景

敏感性

flowchart LR
  Leads[线索] --> PaidPilots[付费试点]
  PaidPilots --> ActiveSites[活跃站点]
  ActiveSites --> Revenue[收入]
  Revenue --> GrossProfit[毛利润]
  GrossProfit --> Cash[现金]

警示项: 模型里的 customers 指的是产生收入的活跃研究站点，而不是母体诊疗平台；到 Y3 真正的 logo 数只有 6-8 个。 · 75% 毛利率来自 business plan 的目标值；如果试点长期偏重实施，这个假设会显得偏激进。 · 收入集中度很高，因为 50 个活跃站点大概率集中在少数几个专科平台客户里。 · 现金流按 EBITDA 直接建模；没有纳入债务、capex 或回款延迟。

• 集成拖慢落地. 专科诊疗平台的 EHR 环境可能很碎片，既拖部署速度，也会拉长见效时间。 缓解措施: 先做最常见的专科 EHR，并在完全打通前提供轻量级 CSV 或报表式接入路径。
• 工作流价值还没被证实. 买方可能不信预筛查提醒真能比多招协调员更明显地提升入组。 缓解措施: 先围绕单一方案卖一个可量化试点，把筛查吞吐、首筛时间和节省的协调员工时绑定成结果指标。
• 现有厂商挤压. 一旦这个切口被验证有价值，现有试验科技厂商或站点网络可能迅速补上类似的患者匹配能力。 缓解措施: 把重心放在心代谢专科深度、最快方案配置能力，以及通用厂商拿不到的跨站点转化基准上。