面向视网膜基因治疗试验的入组与终点平台，更快找到合格患者，并证明功能性视力变化。

1. 如今执行层基础设施也有了预算空间，因为视网膜光遗传学拿到的是九位数 Series B，而不再只是小额科研轮融资。
2. 基因无关路径让更广泛视网膜人群中的表型驱动患者发现变得更重要，因此专用招募软件的价值也随之上升。
3. 活跃中的临床研究让入组吞吐和中心就绪度立刻变成预算项目，而不是未来再讨论的话题。
4. 同一平台覆盖多个适应症，也为一层统一工作流服务视网膜色素变性、Stargardt disease 和 geographic atrophy 项目打开了路径。

催化因素。 Ray 的 $125M 融资，以及 ENVISION 与 RTx-021 的在研入组，说明视网膜光遗传学如今已具备足够资本支持，入组速度和终点质量将直接决定项目价值。

这款产品为申办方和视网膜中心提供一层共享运营系统，用于招募与终点采集。中心可以接收转诊、上传既往诊断和视功能记录，并拿到结构化的方案匹配清单，减少与申办方之间反复人工沟通。看起来符合条件的患者随后会进入标准化的远程评估流程，在访视之间持续追踪低视力功能任务，并把结果整理成可直接提交给申办方的纵向报告。长期来看，公司会积累一套视网膜专属数据资产，覆盖转诊转化、筛选失败原因、中心表现和疾病特异性的功能结局，从而持续优化后续项目的试验设计和中心选择。

差异化。 通用试验科技供应商擅长表单、随机化或宽泛的 ePRO 工作流，但并不真正掌握视网膜疾病特有的方案匹配审核和功能性视力追踪。这家公司从申办方最耗时间的环节切入：识别罕见低视力患者、解释筛选失败原因，并在中心访视之间产出可用的纵向证据。它的防御力来自一张专有的视网膜试验图谱，连接转诊来源、资格模式、中心表现和疾病特异性功能结局。

待完成任务

flowchart LR
  Buyer[临床运营负责人] --> Pain[入组缓慢且视力终点噪声大]
  Pain --> Product[视网膜试验就绪度 OS]
  Product --> Outcome[招募更快且纵向证据更扎实]

高管要点

• 存在真实的运营切口，但初始滩头市场很小；如果只做独立的视网膜试验 SaaS 业务，体量会偏小，除非能迅速扩展到相邻眼科工作流 [1][3][4][5][6][7]。
• 现在入场的理由站得住脚：Ray 刚拿到 $125M 融资并获得 RMAT，而 Nanoscope、Beacon 和 Ocugen 都展示出活跃的后期或关键性视网膜项目 [1][2][4][5][6][7][26]。
• 最强的非显性洞察是：突变无关型疗法抬高了表型驱动分诊和功能性终点采集的重要性，而不只是基因型匹配 [1][4][6][7][21][22][23]。
• 横向供应商已经占据了相邻预算科目，但公开材料里看不到真正原生于视网膜场景的玩家；这既给创业公司留下专业化切口，也带来被打包整合的风险 [8][9][10][11][12][13][14]。
• 终点可信度是最难的产品风险。近年的 IRD 文献认为，标准视力指标往往不够用，但替代性测量仍需要验证和谨慎的监管表述 [2][22][23][24]。
• 买方议价能力很强，因为潜在买家大多是数量有限、经验老到的眼科基因治疗申办方，所以 ROI 证据必须具体，而且要很快打出来 [1][5][6][8][9][11][12]。

市场定义

这里的市场不是视网膜疗法销售额，而是卖给申办方临床运营团队和视网膜中心、用于干预性视网膜研究的工作流与证据软件。起点是美国的 RP 和 Stargardt 项目，之后再扩展到欧盟。明确排除：核心 EDC/CTMS、CRO 人力、生产制造、诊断，以及药物本身的销售 [3][8][12][18][19][20]。

用户与买方

主要用户是申办方临床运营人员和视网膜中心协调员。最可能的经济买方是眼科基因治疗申办方的临床运营副总裁或首席医学官。预算大概率来自既有的招募、eCOA 或去中心化试验开支，也就是当下已流向既有厂商的那些预算桶，而不是凭空新开一个品类预算 [8][9][10][11][12][13][14]。

购买触发点

• 视网膜研究启动后，符合条件的患者比计划中更稀缺。 [3][5][6][7][21][25]
• 研究者和申办方很难在访视之间收集到有意义的功能性视力证据。 [2][22][23]
• 项目进入注册性规划或商业化准备阶段后，运营严谨性的重要性显著上升。 [2][5][6][26]

支付意愿

只要产品能缩短入组延误、降低筛选失败，或提升终点质量，付费意愿就是存在的。公开的供应商案例已经说明，申办方愿意为招募、中心协作、DCT 和 eCOA 层买单，只要运营 ROI 可以量化；视网膜专用产品必须从这些既有预算桶里切出份额 [8][9][10][11][12][13][14]。 [8][9][10][11][12][13][14]

品类动态

增长信号 7.79%-15.07% CAGR

验证信号

• Ray 完成了 $125M Series B 融资。
• Ray 的 RTx-015 获得 RMAT 认定。
• Nanoscope 正公开讨论商业化准备和 BLA 申报。
• Beacon 同时拥有在招募中的 XLRP 研究和关键性研究。
• Ocugen 正在推进 Phase 3 RP 和 Phase 2/3 Stargardt 研究。
• FFB 管线显示多种技术路径下都有活跃的视网膜治疗项目。

监管与技术约束

• 远程功能性视力测量在影响关键试验决策之前，必须先完成适配用途的验证。
• 罕见病试验采用 DHT 的趋势在上升，但实施和数据集成负担依然已经成立。
• 欧盟工作流必须适配 CTIS 和 Clinical Trials Regulation。
• 患者发现优势取决于能否接入专业注册库和转诊网络，而不只是做广泛的消费者营销。
• 任何接触受监管试验数据的产品，都必须与既有 eCOA、中心系统和申办方系统共存。

Veeva 占据广义申办方-中心工作流，Medable 和 Science 37 覆盖通用化去中心化运营，Signant 掌握合规级 COA 能力，Trialbee 则守着招募漏斗最上游。拟议中的创业公司更窄，专注视网膜方案匹配审核和功能性视力证据编排。这让切口容易理解，但也让既有厂商通过打包来压制，成为默认的战略威胁 [8][9][10][11][12][13][14]。

为什么现有厂商不会默认胜出

• 临床云平台. Veeva 靠的是广度，不是视网膜场景的深度。它的公开材料显示其在中心协作和研究启动工作流上很强，但并未体现基于表型的视网膜资格判定或低视力证据逻辑 [12]。
• 去中心化试验平台. Science 37 和 Medable 能提供远程运营能力，但它们的定位跨治疗领域，且服务属性较重。视网膜原生的一层产品可以做得更窄，也更有明确主张 [8][9][11]。
• COA 专业厂商. Signant 在终点实施和监管支持上很强，但公开层面并未展现其对视网膜转诊工作流或中心就绪度编排的掌控 [13][14]。
• 招募供应商. Trialbee 可以提升漏斗顶端质量，但看起来并不掌握视网膜专属的资格逻辑，也不覆盖后续纵向终点采集 [10]。
• 内部团队与 CRO 工作流. 人工工作流能撑起单个研究，但不会在罕见病转诊、排除原因和中心表现上形成复利型学习 [9][21]。

Retina Trial Readiness OS 是一层面向视网膜基因治疗申办方的工作流与证据系统，服务对象是在遗传性视网膜疾病中开展小规模、多中心研究的团队。初始客户是美国视网膜治疗公司里的临床运营副总裁或首席医学官：他们正在启动或扩展一项视网膜色素变性试验，却迟迟找不到足够多符合方案的患者。产品把视网膜专属转诊分诊、结构化方案匹配审核和居家功能性视力追踪整合在一起，让申办方既能减少筛选失败，也能在访视之间拿到更密集的纵向证据。这个市场已经成立，但很窄：按既有研究，单靠这个滩头市场很难撑起一家独立的软件公司，除非团队能很快把工作流扩展到 Stargardt disease、geographic atrophy 和治疗后监测等相邻眼科场景。最合理的 GTM 路线，是由创始人直接卖给活跃研究团队，定价采用按研究订阅加按入组患者收费，并挂靠在既有的招募、eCOA 或去中心化试验预算之下，而不是新开一条软件预算科目。核心战略优势在于疾病专属的工作流深度，以及一套会不断复利的数据资产：它覆盖转诊质量、排除原因、中心表现和功能性视力变化，而这些能力今天在横向供应商的公开材料里还看不到。最难的产品风险是终点可信度，因此第一版必须把远程评估定位成运营层和探索性证据层，而不是主要终点替代品。公开证据足以说明紧迫性和买方痛点，但预算归属、可接受的远程任务，以及相邻市场扩张速度，仍是必须尽早验证的经营假设。

问题

• 罕见视网膜试验依赖分散的转诊网络、人工病历审核和协调员表格，因此首位合格患者出现得慢，很多本可避免的筛选失败也随之发生。
• 低视力人群的功能性视力变化很难在中心访视之间被持续观察，因此当申办方需要尽早做运营和项目判断时，疗效信号仍然稀疏且噪声大。

解决方案

• 申办方和中心团队共用一套视网膜专属接收与方案匹配工作流，标准化转诊审核、记录排除原因，并更快找出高概率符合条件的患者。
• 通过分诊的患者会进入结构化远程评估流程，在访视之间持续采集可重复的功能性视力任务，并把纵向结果打包成申办方可直接使用的报告。

为什么我们会赢

• 这个切口卡在高成本瓶颈上，而通用 CTMS、eCOA、招募和 CRO 工作流都没有用视网膜表型和低视力场景去解决它。
• 每次部署都会沉淀转诊转化、中心表现和功能结局模式数据，从而反过来优化后续方案设计、中心选择，以及向相邻眼科研究的扩张。

里程碑

flowchart LR
  Wedge[RP 申办方入组切口] --> MVP[转诊分诊加方案匹配 MVP]
  MVP --> Proof[资格判定更快且纵向证据更密集]
  Proof --> Expansion[扩展到 Stargardt 和 GA 研究]
  Expansion --> Moat[视网膜工作流数据与基准护城河]

创始团队

实验路线图

风险评估

必须成立的条件

• 前 10 位申办方买家里，至少有 3 位确认可以从既有的招募、eCOA 或 DCT 预算中挪钱给视网膜专用工作流层。
• 试点研究相比表格基线，转诊到决策速度至少提升 20%。
• 视网膜研究者认可至少 2 项居家任务，认为它们对运营有用且适合重复部署。
• 第一个付费 RP 部署，能在 12 个月内走出至少 2 个相邻眼科适应症的可信扩张路径。
• 横向厂商和 CRO 不会阻断部署，并且能通过导出、API 或渠道合作与之共存。

待尽调问题

• 在一项活跃视网膜研究里，究竟是哪条预算线为这个产品买单？
• 哪些筛选失败原因在不同项目中足够常见，能支撑可重复使用的工作流逻辑？
• 哪些远程低视力任务既被研究者接受，又不会给患者带来过重执行负担？
• 接下来 24 个月内，美国真正可供一家创业公司切入的研究有多少？
• Veeva、Medable、Signant 或某家 CRO 补上一套相似的视网膜模板，到底有多难？

模型合理性

• 收入引擎. 基准场景的收入建立在这样一个前提上——到 Y3 第 4 季度达到 7 项活跃研究合同，并在试点转正式及相邻适应症增购之后，把每项研究的混合年度收入做到约 $336K。
• 必须跑通的关键点. 第一个 RP 部署必须证明，转诊到决策工作流至少比手动流程快 20%，买方才会愿意用既有的招募或 eCOA 预算来支付正式合同。
• 模型会失灵的情况. 如果公司长期停在 5 项活跃研究、远程评估增购也做不起来，下行场景会在下一轮融资前把现金打到负值。
• 下一轮融资证明点. 当公司达到 5 项活跃研究、1 个相邻适应症上线、1 个渠道伙伴落地，并拿出可重复的入组 ROI 基准数据时，就足以为下一轮融资提供支撑。

情景

敏感性

flowchart LR
  SponsorBudget --> ActiveStudies
  ActiveStudies --> QualifiedPatients
  QualifiedPatients --> Revenue
  Revenue --> GrossProfit
  GrossProfit --> Cash

警示项: 初始视网膜滩头市场很小，因此模型要求公司在第 2 年就完成相邻适应症扩张，才有机会做到 7 项活跃研究。 · 混合 ACV 的前提是，远程评估和分析模块仍能作为探索性工作流增购项卖出去；如果研究者不接受该模块，定价会向下行场景压缩。 · Y3 期末现金只剩约 $236K，因此公司在完全盈亏平衡前仍需要再融一轮。

• 申办方预算可能优先投向生物学而非工具. 早期生物科技公司可能不愿新增软件开支，除非它能直接改善入组或终点质量。 缓解措施: 围绕活跃研究节点销售，并把 ROI 直接绑定到更快入组、更少筛选失败，以及每位入组患者更干净的数据。
• 终点可信度风险. 远程功能性视力评估在申办方或监管方眼中，可能只被视为补充信息，而非可直接决策的证据。 缓解措施: 先把它定位成运营层和探索性终点层，再与中心采集指标做对照验证，初期重点放在提升试验决策，而不是替代主要终点。
• 初始市场过窄. 遗传性视网膜疾病试验高度专业化，因此第一批客户池有限。 缓解措施: 从第一天起就按相邻眼科项目来设计平台，让同一套工作流能扩展到 geographic atrophy、其他视网膜干预和上市后监测。