在腫瘤學藥物開發領域，由於生物標誌物驅動的藥物開發、日益縮小的臨床試驗族群，以及患者識別成本不斷攀升，製藥業正面臨日益增加的壓力。同時，業界對於更快產出真實世界證據（RWE）的需求也日益迫切，以應對商業化、法規及支付者的要求。

為應對這些挑戰，醫療科技公司正積極利用電子病歷（EHR）、分子檢測及長期患者預後等大量真實世界數據（RWD），建構互動式智慧系統，以提供即時的臨床與商業洞察。傳統上，生成真實世界證據耗時費力，分析師或生物統計團隊需花費數天甚至數週來建構同類群組、驗證標準並評估可行性，這與現代腫瘤學開發的節奏格格不入。

Flatiron Health, Inc. 正是此波轉型的先驅。該公司近期推出名為 Telescope 的平台，其核心特色在於透過對話式介面，讓使用者能以自然語言描述同類群組的條件，動態地精煉篩選結果，並即時查看患者數量、流失曲線、治療模式及存活分析，全程無需編寫程式碼。根據 Flatiron Health, Inc. 產品長 Kate Estep 的說法，過去需要兩天才能完成的分析，現在透過 Telescope 僅需 30 分鐘即可完成，大幅提升效率。

腫瘤學研究因其數據密集型患者旅程（包含病理報告、基因組測序、影像、生物標誌物檢測、治療線、進展追蹤和存活終點）而特別適合人工智慧（AI）驅動的證據生成。Kate Estep 指出，市面上現成的 AI 模型準確率約為 60%，但若能依循臨床與科學最佳實踐進行建構與訓練，準確率可超過 90%。她強調，醫療照護 AI 的競爭優勢，更多來自於專有的臨床情境、策劃方法，以及經過驗證的證據生成管線，而非底層的語言模型本身。

Flatiron Health, Inc. 憑藉其超過 15 年的腫瘤學數據基礎設施，強調其長期性的腫瘤學真實世界證據及來自電子病歷的臨床深度。該公司的 Telescope 平台目前涵蓋美國逾 4,700 家醫療服務供應商和 1,600 個臨床站點的數據，約佔美國社區腫瘤實踐的 40%。放眼全球，Flatiron Health, Inc. 管理著美國、英國、德國和日本超過 500 萬筆患者旅程數據，並計畫於今年稍晚率先推出前列腺癌的全球互通腫瘤學數據集。這些全球協調一致的數據集，將使研究人員能夠以前所未有的規模，研究不同醫療系統之間的治療差異、生物標誌物盛行率及預後，同時解決真實世界證據生成中的代表性問題。

人工智慧介面正逐步普及腫瘤學領域的進階分析能力，使臨床營運主管、醫學事務團隊和商業策略師，無需編寫程式碼即可直接與研究級數據集互動。這項轉變有望從根本上改變腫瘤學組織的決策方式，縮短假設生成與證據生成之間的時間延遲，並將複雜的分析能力擴展至企業內部的所有團隊。