默克AI GPTeal把报告起草时间砍掉一半:质量团队做到这件事,靠的不是技术,是流程

数字是具体的：

临床试验报告（CSR）初稿起草周期：从两到三周，缩短到三到四天。

人工全程审核的CSR初稿完成时间：从平均180小时，降至80小时。

错误率：降低50%（覆盖数据、措辞、引用、术语、印刷错误五类）。

这些不是目标值，不是预期，是"在多个研究的实际使用案例中"已经实现的结果。

很多药企都在说自己在用AI做临床文件。但在主流制药公司里，把具体数字以官方新闻稿形式公开发布的，目前屈指可数。这份新闻稿的价值，不只在于数字，而在于默克愿意公开承担对这些数字的可信度责任。

一、GPTeal是什么，它解决的核心问题是什么

默克的生成式AI平台叫GPTeal，和麦肯锡旗下的QuantumBlack（AI专业团队）共同开发。GPTeal不是一个单一功能的工具，而是一个跨多个临床研发场景的生成式AI基础设施，其中CSR生成是目前公开披露最详细的应用场景。（来源：MSD官方新闻稿；IntuitionLabs）

CSR（临床研究报告）是ICH E3指南规定格式的标准文件，描述临床试验的方法、结果和结论，是NDA/BLA等监管申报的核心组成文件。一份CSR通常包含数百到数千页内容，涉及大量从统计分析计划、患者安全叙述、疗效数据等多个来源的数据汇总。

传统CSR写作的时间消耗主要在三个环节：从数千页原始数据中提取相关内容（搜索和整理）；把数据翻译成符合监管语言标准的叙述文字（写作）；反复校对数据一致性和格式合规性（审核）。GPTeal对这三个环节都有干预，但重心在第一和第三个环节。

默克和QuantumBlack团队选择了一个关键的设计决策：CSR的生成不是让LLM"自由写作"，而是把结构化的来源文件（统计表格、TFL、协议）喂给LLM，让它按照预设的CSR章节格式做定向内容组装。这个设计把幻觉风险压到最低，同时保留了对大量来源文件的智能提炼能力。

▼ 图1：默克GPTeal的CSR生成流程与核心成果

三个数字的共同特点：都已在实际研究项目中实现，不是目标值

来源：Merck/MSD官方新闻稿，2025年6月25日

二、靠的不是技术，是流程——这个判断的具体含义

LLM（大语言模型）技术本身，现在已经是各大药企都能平等获取的商品化能力。OpenAI、Anthropic、Google的API对所有企业开放，成本也越来越低。"我们用了LLM"本身不是竞争优势。

默克能把这些数字做出来，真正难的部分在于：如何定义AI在CSR写作流程里每个步骤的角色、如何设计LLM和医学写作人员之间的协作界面、如何确保AI输出满足监管语言标准、如何处理数据引用的可溯源性要求。这些都是流程设计问题，不是技术问题。

默克选择麦肯锡QuantumBlack而不是纯技术公司来共同开发GPTeal，本身就说明了这一点：他们需要的是流程重新设计能力和医学写作领域的最佳实践，而不只是AI工程能力。

这个洞察，对正在评估"用AI做质量文件"的国内药企，有直接的方法论价值：如果一个AI工具上线后没有产生预期效果，第一个应该检查的不是AI模型的能力，而是使用这个工具的工作流程设计是否合理。技术是到位的，流程是否到位？

▼ 图2：CSR AI成功三要素——技术只是起点

很多企业在流程设计和组织适应上投入不足，然后把AI工具"没效果"归因于技术——这是因果倒置

三、对国内药企注册和临床团队的直接参考

默克的CSR案例，目前是已公开发布、数字最具体的临床文件AI自动化成功案例之一。对国内药企注册和临床团队，以下三点直接可用。

一、从CSR开始，不从NDA全卷入手。CSR是结构最固定、来源最清晰、重复度最高的临床文件之一，是AI介入临床文件写作的最佳入口。先在一个研究上验证，再推广到全流程。默克用的也是这个策略——"在多个研究的案例中"逐步积累，不是一次性全面铺开。

二、数字可以在国内场景参照，但格式要重新设计。ICH E3 CSR格式是国际通用的，国内接受ICH标准的申报场景可以直接参照默克的方法论。但NMPA的部分特定要求可能有本地化差异，提示词设计和章节映射需要按国内监管要求重新调校。

三、错误率降低50%是这个数字里最被低估的部分。从180小时到80小时的时间节省很显眼，但错误率降低50%可能是长期价值更大的指标——因为它减少的是申报后被监管机构发回要求补充说明的概率，这类来回往复的成本远比写作时间更高。